待验证50% 置信事实精确时间
智能体的执行具有非确定性，同样的输入可能因模型的随机采样而产生不同输出，因此其恢复机制需要保存完整的执行轨迹和中间推理步骤
1
来源数
50%
置信度
长期有效
时效性
2026/8/5
首次发现
来源
相关事实
待验证由于大语言模型基于概率采样，即便指令写在上下文中，模型仍可能在复杂推理链中遗忘或跳过某些指令，这被称为指令遵循的不稳定性74% 相似已验证ReAct 智能体的核心是「推理-行动-观察」循环，LLM 分析问题后决定调用工具，观察返回结果，若不满足则继续推理直到给出最终回复73% 相似待验证如果模型只见过正样本，会倾向于对任何输入都强行调用工具，产生幻觉式调用，负样本帮助模型习得何时不该调用的判断边界73% 相似待验证上下文回贯缺失指工具执行后的观测结果（observation）没有回写到对话上下文，导致模型每轮接收相同上下文而重复相同决策72% 相似待验证对齐良好的模型会将元指令引导至合规的创意表达，而对齐不足的模型可能出现意外行为72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/690428API
curl https://kongchang.com/api/v1/knowledge/claims/690428MCP
get_claim(id=690428)