待验证50% 置信事实精确时间

在干净终止却实际失败的轨迹中，字段值错误占 77.61%，意料之外的额外副作用占 43.30%，缺失必需副作用占 25.36%（类别有重叠）

1

来源数

50%

置信度

长期有效

时效性

2026/10/9

首次发现

来源

ThinkingBox：微软用20次重复测试重新定义AI智能体可靠性

涉及实体

ThinkingBoxproduct

相关事实

待验证用完成度式的代理指标评分会把干净终止但结果错误的失败判为成功，这是当前许多智能体评估的缺陷72% 相似已验证在长链路任务中，若每一步约5%的错误率，经过20步后整体成功率可能跌至不足36%70% 相似待验证21.2%是相对降低而非绝对降低，即新版本在早期版本失败率基数上砍掉约五分之一的失败情况70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/991244

API

curl https://kongchang.com/api/v1/knowledge/claims/991244

MCP

get_claim(id=991244)