法官遵循参考：验证工具调用参数时的推导差距

法官模型在验证工具调用参数时存在“推导差距”，即当参数值无明确参考文本时，正确值被接受的概率下降。该现象在多个法官模型中出现，包括 CLM 和 Jev，且不仅限于输入截断情况。研究引入 DeRef 模型，通过读取完整历史并为法官生成参考文本，使三类基准测试中所有法官的参数 AUROC 显著提升，在受控测试中 AUROC 提升至 98.40 至 99.59。