Unverified90% confidenceFactTime unknown
团队对88名受访者进行了调查评估AI Agent输出质量，航天领域专家评分比非航天领域专家低约一个等级，但仍接近'好'的范围
1
Sources
90%
Confidence
Medium-term (~90 days)
Relevance
6/1/2026
First Seen
Valid until: 8/30/2026
Sources
MARVIS项目：嵌入式AI Agent赋能太空自主探索全解析
bilibiliRocketLab
Related Entities
Related Claims
UnverifiedAI在实验设计中采用8:2划分保留20%作为独立测试集，并在80%训练集上采用5折交叉验证以避免数据泄漏67% similarUnverified评估Agent规划能力的主流基准测试包括ALFWorld、WebArena和GAIA，当前最先进模型得分仍远低于人类水平66% similarUnverified讲者认为评估AI编程代理应关注80%、90%、99%成功率下的数据而非常被引用的50%成功率版本，因为99%才意味着可信赖并委托给模型64% similarUnverified人类在ARC-AGI测试上的平均得分约为85%，而顶尖AI模型长期徘徊在30%-60%区间64% similarUnverified综合智能指数由智能体工作、编程、科学推理、通用能力等 9 项独立评估构成，Sol 与 Faber-5 几乎持平仅差 1 分，但任务完成时间减少约 61%，成本约为原来的一半64% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/21611API
curl https://kongchang.com/api/v1/knowledge/claims/21611MCP
get_claim(id=21611)