Unverified50% confidenceFactExact time
结果层的核心指标是任务整体成功率（Task-level Success）
1
Sources
50%
Confidence
Long-term
Relevance
7/17/2026
First Seen
Sources
Related Claims
Unverified基于单元测试执行结果的奖励信号（Execution-based Reward）在提升代码正确率方面效果显著69% similarUnverified评测重心正从模型输出文本的质量转向Agent完成端到端任务的能力，评测维度从单一准确率扩展为包含任务完成率、步骤效率、错误恢复能力、时间开销等多维指标69% similarUnverifiedOpenAI内部测试数据显示，经过思维链分解的提示词在结构化任务上的准确率平均提升约30%-40%66% similarUnverified评估指标选择需与业务目标对齐，客服Agent优先任务完成率，代码生成Agent则更关注语法正确率和可运行率65% similarUnverified将反馈数据与具体执行上下文精确关联是定位问题根源和针对性优化提示词的关键65% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/541551API
curl https://kongchang.com/api/v1/knowledge/claims/541551MCP
get_claim(id=541551)