待验证50% 置信事实精确时间

研究将失败归为两类：真正的能力缺陷，以及可通过调整解码阈值缓解的问题，并细分出4种失败机制

1

来源数

50%

置信度

长期有效

时效性

2026/10/2

首次发现

来源

小模型够用吗？Agent微任务中SLM的能力鸿沟实测

涉及实体

Agent微任务基准concept

相关事实

待验证面对不同失败模式应采取不同数据合成策略：错误工具调用则合成对应失败轨迹强化，长任务表现挣扎则生成多步骤轨迹，过度使用工具则通过评分筛选优化调用效率78% 相似待验证在多步任务中工具调用失败会累积，单步失败率偏高会使整体成功率呈指数级下降76% 相似待验证ASSERT与EXPECT的双轨设计体现了快速失败与信息最大化之间的权衡75% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/966716

API

curl https://kongchang.com/api/v1/knowledge/claims/966716

MCP

get_claim(id=966716)