#评分规则

工具调用智能体的调用级可靠性研究

研究测量了工具使用代理的正确调用率，区分工具选择和参数错误，发现代理自身早期错误导致能力损失约70%。精确匹配评分下，传播模型的严重性和恢复参数被评分规则固定，无法估计。提出条件状态评分作为补救，可零成本应用于缓存完成。