待验证60% 置信决策规则精确时间
衡量Agent长程可靠性的核心指标包括任务成功率、工具调用准确率、恢复率、单次成功任务成本和人工干预次数
2
来源数
60%
置信度
长期有效
时效性
2026/9/11
首次发现
来源
涉及实体
相关事实
待验证结果层的核心指标是任务整体成功率（Task-level Success）77% 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76% 相似待验证Agent可靠性验证方法论包括：每个任务重复运行10次以上、以程序化方式检查最终状态、对每次工具调用按schema校验、统计高负载下被截断的调用数量76% 相似待验证常见的模型评估维度包括任务完成率、迭代效率、改进稳定性以及边界情况处理能力75% 相似待验证传统基准测试往往关注准确率和推理速度，但任务完成率和收敛稳定性在实际工程场景中同样重要甚至更为关键73% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/898879API
curl https://kongchang.com/api/v1/knowledge/claims/898879MCP
get_claim(id=898879)