Agent完成率因“一步”口径不一难比较

Reddit 一则讨论帖指出，Agent 完成率的统计因“一步”定义不统一而难以横向比较：一次缓存查询与包含 35 次调用的长链，都可能被记为“一步”。 不同团队对失败重试、带硬校验的分块运行如何计步也有分歧，同一过程可能被统计为 4 步或 30 步。由此引发争议的是完成率指标的计算口径，而非某个 Agent 的实际完成能力。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。