Unverified50% confidenceOpinionExact time
Agent 评测中由于错误沿任务链累积传播，最终完成率的分差往往比传统 NLP 基准更难弥合
1
Sources
50%
Confidence
Long-term
Relevance
7/13/2026
First Seen
Sources
GPT-5.6三档模型解析：Sol/Terra/Luna重写Agent成本结构
bilibiliTerminator-AI7/10/2026
Related Claims
UnverifiedAgent链式调用多步之后，每次LLM输出的细微差异导致误差逐步放大，最终结果偏离预期81% similarUnverified在并行代理场景下，单个代理的失误会产生级联影响，因此要求模型具备更强的指令遵循能力和更低的错误率78% similarUnverifiedAgent的任务规划错误会导致级联失败（Cascading Failure），即一个早期决策错误会在后续步骤中被不断放大77% similarUnverified在多步骤 Agent 工作流中，未被拦截的脏数据会触发下游节点连锁失败74% similarUnverified仅用成功轨迹训练的模型往往存在分布外泛化的严重缺陷，遇到工具返回错误时便丧失纠偏能力74% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/501726API
curl https://kongchang.com/api/v1/knowledge/claims/501726MCP
get_claim(id=501726)