Hugging Face · 每日论文·2026-10-19 04:00· 4 天前精选AI 评分55

研究发现智能体检索工具输出时GPT模型准确率下降

Same Simulation, Different Evidence: Where Retrieved Tool Output Costs LLM Agents Accuracy

AI 导读

研究使用PHREEQC地质化学模拟器测试LLM智能体在检索工具输出时的准确率变化，发现GPT-5.1和GPT-5.2在检索模式下分别损失11.3和7.9点准确率，而Claude Opus 4.6和Sonnet 4.6无显著损失。

推荐理由

研究通过实证发现，当大模型智能体依赖检索而非上下文直接读取工具输出时，GPT系列模型会出现证据替换导致的准确率下降，而Claude未受影响，揭示了上下文管理对智能体性能的关键影响。