待验证50% 置信基准精确时间

斯坦福大学的AgentBench基准测试（2023年）量化证明，在复杂多步骤任务中纯ReAct范式的成功率往往不超过30%

1

来源数

50%

置信度

长期有效

时效性

2026/7/18

首次发现

来源

Spring AI Alibaba Graph实战：手把手构建HR招聘Workflow Agent

相关事实

待验证斯坦福研究团队在对早期Agent系统评估中发现，单步5%的错误率在10步任务中可导致超过40%的最终失败率73% 相似待验证2023年斯坦福研究显示，在需要连续多步决策的任务中，现有Agent系统的成功率随步骤数呈指数级下降71% 相似待验证即便是GPT-4级别的Agent，面对含有5步以上工具调用的复杂任务时，端到端成功率往往低于60%70% 相似待验证斯坦福大学2023年的研究显示，当时主流LLM对间接提示注入的防御成功率普遍低于30%69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/552253

API

curl https://kongchang.com/api/v1/knowledge/claims/552253

MCP

get_claim(id=552253)