待验证50% 置信观点精确时间

单纯的成功率（success rate）无法捕捉一致性、无法反映拒绝错误行动的表现、也无法衡量失败后果严重程度

1

来源数

50%

置信度

长期有效

时效性

2026/9/21

首次发现

来源

AI能力在飙升，可靠性却停滞：被忽视的真正难题

涉及实体

success rateconcept

相关事实

待验证单一的平均成功率指标无法充分评估机器人策略的部署风险，因为策略可能在关键的少数场景中出现灾难性失败68% 相似待验证孤立任务评估无法捕捉跨步骤的错误级联效应，即便各子任务得分较高也不能保证端到端流程的可靠性68% 相似待验证错误绝不能被标记为 Success 是 Loop 规范的重要原则67% 相似待验证消融实验显示：单纯依靠推理对稀有实体的准确率没有显著提升66% 相似待验证该复现实验缺乏系统性评测，未提供加速比、精度损失、困惑度等量化指标66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/939575

API

curl https://kongchang.com/api/v1/knowledge/claims/939575

MCP

get_claim(id=939575)