Agent 评估如何应对非确定性导致的结果波动？

1. 问题来源

• 智能体根据中间结果自适应调整，存在多条同样有效的执行路径（路径可变性）
• 采样随机性与检索内容差异使多次运行结果不完全一致（运行间方差）

2. 应对方法

• 多次重复运行同一任务，分别测量能力上限（最好一次能否做对）与一致性下限（每次是否都做对）
• 用 pass^k 等一致性指标暴露"偶尔成功"的脆弱性，而非被单次亮眼结果误导

3. 稳定性门槛

• 生产环境应以多次独立尝试下的稳定通过率作为可信赖度依据，而非单次最佳表现