待验证50% 置信解决方案精确时间
应按事务衡量成功率并允许重试，而非按单次运行衡量——单次成功率50%的Agent在允许一次事务最多重试4次时，单事务成功率可达约94%
1
来源数
50%
置信度
长期有效
时效性
2026/10/7
首次发现
来源
涉及实体
相关事实
待验证对同一测试用例执行多次调用统计成功比例得到通过率，比二元的通过/失败判断更能反映模型真实表现73% 相似待验证如果浏览器Agent每一步独立成功率为99%，一条跨越100步的轨迹整体成功率约为36%72% 相似待验证在歧义点的四类行为中，'先搜再问'成功率最高，平均通过率达93.4%，远高于'直接猜'的56.5%，'搜多次再猜'为51.5%72% 相似待验证一个需要20步操作、每步成功率85%的业务流程，完整成功率约为4%（0.85的20次方）72% 相似待验证单一的性能百分比具有误导性，号称保留98%性能的模型可能在特定任务类型上恰好落在损失的2%里，应在信任benchmark前用真实任务测试71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/985239API
curl https://kongchang.com/api/v1/knowledge/claims/985239MCP
get_claim(id=985239)