Unverified50% confidenceFactExact time
大语言模型驱动的Agent具有非确定性，同样的输入未必得到同样的结果，因此评估需要考虑多次运行和统计通过率
1
Sources
50%
Confidence
Long-term
Relevance
9/14/2026
First Seen
Sources
Related Entities
Related Claims
Unverified单个大语言模型Agent面对多步骤复杂任务时，会出现上下文窗口溢出、角色混淆、输出质量下降等问题74% similarUnverifiedAgent类应用因输出为开放式自然语言，缺乏传统模型明确的准确率指标，评估困难72% similarUnverified模型评测正在从传统知识问答转向Agent能力与实际编码能力的比拼72% similarUnverified在LangGraph多智能体系统中，Agent交接时传递完整对话转录会浪费token和推理算力，并引入误读风险，因为下游Agent需要重新发现哪些决策已确定、哪些工具结果权威、哪些问题未解决72% similarUnverified对动作纠正精度要求高、希望获得接近私教水平反馈的用户不太适合，AI识别在复杂动作下准确率有限71% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/921270API
curl https://kongchang.com/api/v1/knowledge/claims/921270MCP
get_claim(id=921270)