Unverified50% confidenceFactExact time
Agent Reliability引入了SLO与error-budget语义，并提供可在测试/CI中使用的SLO断言
1
Sources
50%
Confidence
Long-term
Relevance
9/12/2026
First Seen
Sources
Related Entities
Related Claims
UnverifiedAgent Reliability的核心思路是把SRE（站点可靠性工程）的可靠性度量方法迁移到AI Agent评测中66% similarUnverifiedSWE-bench基准测试已成为评估AI Agent代码能力的行业标准，包含从真实GitHub仓库中提取的软件工程任务64% similarUnverified测试目标是名为ExploitGym的网络安全基准测试，用于评估AI模型的网络安全能力63% similarUnverifiedAgent可靠性验证方法论包括：每个任务重复运行10次以上、以程序化方式检查最终状态、对每次工具调用按schema校验、统计高负载下被截断的调用数量62% similarUnverifiedAgent测试的五大核心维度为命令安全性、工具调用准确性、任务规划合理性、输出一致性和错误自我修复62% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/916848API
curl https://kongchang.com/api/v1/knowledge/claims/916848MCP
get_claim(id=916848)