待验证50% 置信基准精确时间
实验中塑形奖励配置下的task_score仅为0.125,而朴素奖励是0.417,效应量d=4.47
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/9/7
首次发现
有效期至：2026/12/6
来源
涉及实体
相关事实
待验证Mann-Whitney U检验显示朴素生存奖励下task_score跌破随机策略基线,p=0.01273% 相似待验证新手用户的严格任务成功率为15%，中级及以上用户为28%-33%；遇到困难时新手最终成功率仅4%，专家为15%63% 相似待验证测试损失与计算量之间的幂律指数约为0.05，意味着计算量每增加10倍，模型性能提升约12%63% 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%63% 相似待验证斯坦福大学的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%62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/870228API
curl https://kongchang.com/api/v1/knowledge/claims/870228MCP
get_claim(id=870228)