待验证50% 置信事实精确时间

大模型看到的只是一段字符串，缺乏可靠信号判断工具调用是成功、失败还是部分完成

1

来源数

50%

置信度

长期有效

时效性

2026/9/30

首次发现

来源

AI Agent工具的隐忧：为何它常常不知道自己是否成功

涉及实体

大模型concept

相关事实

待验证仅靠增大模型规模或延长训练时长并不能自动解决难题被忽视的问题，根本原因在于信号本身的缺失73% 相似待验证传统置信度校准方法多依赖模型生成的输出文本或基于序列的概率统计，在多轮智能体交互中难以捕捉复杂失败模式72% 相似待验证强迫小语言模型用概率方式逼近确定性问题会牺牲准确性和能耗，边缘小模型的大部分不可靠性是可避免的72% 相似已验证若用含测试集的全量数据计算均值和标准差，会导致预处理泄漏，使评估指标虚高，无法真实反映模型泛化能力70% 相似待验证严格解析器出现的大面积失败多数并非源于模型推理错误，而是因为乘法形式的科学计数法落在了所实现的数字文法之外70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/961553

API

curl https://kongchang.com/api/v1/knowledge/claims/961553

MCP

get_claim(id=961553)