待验证50% 置信基准精确时间
作为对比，Program-of-Thought基线整体准确率为72.0%，工具调用agent为58.7%
1
来源数
50%
置信度
长期有效
时效性
2026/9/30
首次发现
来源
涉及实体
相关事实
待验证对于 7B 模型，使用求解器准确率为 75.31%，直接计算为 72.02%，配对提升 +3.29 个百分点，95% 聚类区间为 [-3.49, 10.38] 跨越零点，优势不显著70% 相似待验证可落地的Agent评测门槛包括任务拆解率和工具选择准确率达90%以上、闭环完成率不低于85%、错误恢复率不低于80%67% 相似待验证讲者认为评估AI编程代理应关注80%、90%、99%成功率下的数据而非常被引用的50%成功率版本，因为99%才意味着可信赖并委托给模型67% 相似待验证在无说明书、无规则的陌生游戏测试中，上一代AI取得7.8%成绩，GPT-6在保留推理状态的Agent框架下达到99.9%66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/960993API
curl https://kongchang.com/api/v1/knowledge/claims/960993MCP
get_claim(id=960993)