Unverified50% confidenceOpinionExact time
作者坦承80%的通过率阈值在最初选定时感觉很随意，但实践下来站得住脚
1
Sources
50%
Confidence
Long-term
Relevance
9/21/2026
First Seen
Sources
Related Entities
Related Claims
Unverified73.4% 的基准分意味着仍有约四分之一的任务表现不达标，且该分数是在最大算力下取得68% similarVerified如果一个10步操作中每步准确率为95%，整体成功率仅约60%66% similarUnverified在提升召回率时不可避免地牺牲精确率，将召回率从95%提升至99%可能使精确率从90%降至70%65% similarUnverified作者建议Agent的自信度阈值设计为：大于90%自主执行，60%~90%呈现中间状态让用户确认，小于60%强制承认不确定不硬猜65% similarUnverifiedAIME只有30个样本，跑4个种子后以80分对比基线79分并加粗宣称超越，在统计上站不住脚65% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/938620API
curl https://kongchang.com/api/v1/knowledge/claims/938620MCP
get_claim(id=938620)