待验证50% 置信预测精确时间

端到端任务完成率很可能成为比跑分更有实际参考价值的模型评估指标

1

来源数

50%

置信度

长期有效

时效性

2026/9/2

首次发现

来源

AI Agent生态周报：Harness插件爆发、GLM 5.3护栏争议与Stripe收购OpenRouter

涉及实体

AI Agentconcept

相关事实

待验证研究表明高质量提示词相比随意撰写的提示词在同等模型条件下可带来20%-40%的任务完成率提升74% 相似待验证现有模型评测体系（如HumanEval、MBPP及各类Arena）主要衡量能力上限，很少将端到端任务完成率纳入评估维度73% 相似待验证阈值函数的有效性高度依赖于底层模型输出概率的校准质量70% 相似待验证研究表明，针对同一任务，经过优化的Prompt相比随意输入可将模型输出质量提升30%-50%69% 相似待验证对于参数量有限的小模型，数据质量对最终性能的影响甚至超过数据量本身68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/843126

API

curl https://kongchang.com/api/v1/knowledge/claims/843126

MCP

get_claim(id=843126)