[控场AI]
概念per-step accuracy

单步准确率

衡量Agent在单个步骤或单次模型调用中正确执行动作的比例,是评估AI Agent性能的基础指标之一,但无法反映长任务中的错误累积效应。

时间轴 (近 90 天)

11月5日

在长程任务中,单步准确率可视为每步正确概率的上界估计,而任务成功率近似于各步正确概率的连乘,步数越多差距越大。

待验证50%
10月30日

仅关注单步准确率会掩盖长任务中的系统性风险。

待验证50%

全部知识事实 (2)

来源文章