待验证50% 置信决策规则精确时间

工具调用的首次成功率（First-Call Success Rate）是衡量模型在生产环境可靠性的关键指标，因为Agent工作流的DAG结构中一个节点失败会阻断所有下游节点

1

来源数

50%

置信度

长期有效

时效性

2026/7/10

首次发现

来源

Sakana Fugu vs GLM 5.2实测：谁能真正挑战顶级AI模型

bilibili赛博门外憨2026/7/7

相关事实

待验证工具调用的首次成功率（First-Call Success Rate）是衡量模型在生产环境可靠性的关键指标之一84% 相似待验证结果层的核心指标是任务整体成功率（Task-level Success）64% 相似待验证工具描述的质量直接影响模型的调用准确率62% 相似待验证标准基准测试衡量的是单次工具调用的格式正确性，而真实的生产级Agent失败往往发生在多步序列之中61% 相似待验证评测重心正从模型输出文本的质量转向Agent完成端到端任务的能力，评测维度从单一准确率扩展为包含任务完成率、步骤效率、错误恢复能力、时间开销等多维指标60% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/438028

API

curl https://kongchang.com/api/v1/knowledge/claims/438028

MCP

get_claim(id=438028)