---
title: "Agent Capability-Stability Gap（能力-稳定性差距）"
created: 2026-05-23
updated: 2026-05-23
type: concept
tags: [agent, capability, stability, reliability]
sources: [raw/articles/claw-eval-2026.md]
confidence: medium
---

# Agent Capability-Stability Gap

> Agent 的"能做到"（能力上限）与"稳定做到"（可靠性下限）之间存在显著差距。这个差距在错误注入后急剧扩大。

## 度量方法

- **Capability** ← [[pass-at-k-vs-pass-k|Pass@k]]：k 次中至少成功一次
- **Stability** ← [[pass-at-k-vs-pass-k|Pass^k]]：k 次全部成功
- **Gap** = Pass@k − Pass^k

## Claw-Eval 实验

- 正常环境下 gap 已存在
- 错误注入后 gap 急剧扩大（Pass^3 下降达 24pp）
- 多模态任务中最高 Pass^3 仅 25.7%——所有模型的 gap 都很大

## 工程含义

对部署决策的影响：
- 窄 gap → Agent 适合生产环境
- 宽 gap → 需要增强 [[agent-robustness-evaluation]]、改进错误恢复策略或调整 [[harness-coupling-problem|Harness 配置]]

## 相关概念

- [[pass-at-k-vs-pass-k]]
- [[agent-robustness-evaluation]]
- [[binding-constraint-thesis]] — 稳定性问题可能源自 Harness 而非模型
- [[claw-eval]]