待验证50% 置信基准精确时间

使用每个状态的行为特征进行失败预测，在留出集上AUROC最高达到0.94

1

来源数

50%

置信度

长期有效

时效性

2026/9/12

首次发现

来源

从Agent轨迹提炼有限状态机：行为由模型还是框架决定

涉及实体

有限状态机concept

相关事实

待验证AureaCam 的构图评分区间从 0 到 10069% 相似待验证主流AI生成API的任务成功率通常在92%-98%之间，每100个任务中有2-8个可能失败69% 相似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68% 相似待验证在带命题约束的任务中，模型整合已验证为无效候选的比例高达93%–100%68% 相似待验证当所有模型在某评测上都能拿90分时该评测就应退场，即基准饱和现象68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/911587

API

curl https://kongchang.com/api/v1/knowledge/claims/911587

MCP

get_claim(id=911587)