待验证50% 置信基准精确时间

研究者在三个工具使用基准测试上结合多个不同骨干LLM验证CITA，结果显示在Tool F1和任务成功率两项指标上都取得一致提升

1

来源数

50%

置信度

长期有效

时效性

2026/10/5

首次发现

来源

CITA框架：让AI工具调用学会"三思而后行"

涉及实体

CITAconcept Tool F1concept

相关事实

待验证Tool F1是综合查准率和查全率的工具调用质量指标，比单纯任务成功率更细粒度74% 相似待验证工具调用准确性测试需关注工具选择准确性、参数提取准确性、工具链编排合理性三个层次，其中参数提取往往最容易出问题73% 相似待验证研究团队在九个基准测试上验证了 S3KG 的有效性72% 相似待验证标准基准测试衡量的是单次工具调用的格式正确性，而真实的生产级Agent失败往往发生在多步序列之中72% 相似待验证实验表明门控目标在两个数据集上均获得最高平均准确率，验证了目标可靠性和评估优先级可独立优化71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/975634

API

curl https://kongchang.com/api/v1/knowledge/claims/975634

MCP

get_claim(id=975634)