待验证50% 置信决策规则精确时间

检索指标（如recall@k）与智能体最终任务成功率之间并非线性关系，建议以智能体完成业务任务的成功率为北极星指标

1

来源数

50%

置信度

长期有效

时效性

2026/10/2

首次发现

来源

企业知识检索基准测试：AI智能体为何在真实数据前失灵

相关事实

待验证任务越具体、反馈信号越明确，智能体的成功率就越高；描述模糊的开放性任务往往导致智能体陷入反复试错67% 相似待验证传统的任务成功率指标只关心是否完成任务，无法反映执行过程的质量和效率67% 相似待验证传统上以任务完成度为核心的评估指标可能无法捕捉智能体在集体层面上的策略性行为66% 相似待验证推理速度与计算效率是长程Agent能否落地的关键指标，重要性不亚于单次回答的智能水平65% 相似待验证Agentic基准采用端到端任务完成率而非单步正确率作为核心指标65% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/968084

API

curl https://kongchang.com/api/v1/knowledge/claims/968084

MCP

get_claim(id=968084)