arXiv · AI· Ke Zhang, Sahchit Chundur, Jerry Peprah Owusu, Mohammad Javad Abdolhosseini Qomi, Maziar Raissi·· 12 小时前AI 评分36
LLM 智能体在检索工具输出时如何损失准确性
Same Simulation, Different Evidence: Where Retrieved Tool Output Costs LLM Agents Accuracy
AI 导读
研究发现 GPT-5.2 在通过检索读取 PHREEQC 模拟报告时准确率下降 9.4 分，而 Claude Opus 4.6 未显示损耗。GPT 模型常跳过报告转而使用自身输出文件，导致“证据替代”错误；明确指定权威输出可提升 6.3-7.9 分。 该研究强调智能体框架应依据准确性损失的具体位置来评估上下文管理策略，而非仅关注最终得分。
来源：arXiv · AI · arxiv.org