Unverified50% confidenceBenchmarkExact time
在容错评估中，全部十个故障场景都达到了预期结果，且没有产生未经批准的外部副作用
1
Sources
50%
Confidence
Long-term
Relevance
10/7/2026
First Seen
Sources
Related Entities
Related Claims
Unverified研究人员经人工验证确认了91个失败，并将其归入7个失败位点（failure locus）66% similarUnverified由于非确定性存在，同一个Eval应运行6到10次以观察正确率分布区间并计算标准差与误差61% similarUnverified在演示中约11个度量里有10个被成功转换并批准，仅1个不支持，自动化程度约90%61% similarUnverified一个 90% 成功、10% 出错的工具调用系统几乎无法投入实际使用，因为单次错误会污染后续上下文造成级联失败61% similarUnverified使用每个状态的行为特征进行失败预测，在留出集上AUROC最高达到0.9460% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/983066API
curl https://kongchang.com/api/v1/knowledge/claims/983066MCP
get_claim(id=983066)