PulseAugur
中
实时 18:35:29
English(EN) Same Simulation, Different Evidence: Where Retrieved Tool Output Costs LLM Agents Accuracy

研究发现：LLM Agent 在检索长工具输出时准确性会下降

作者 PulseAugur 编辑部 · [1 个来源] ·

Hugging Face 的一篇新论文研究了大型语言模型 (LLM) Agent 如何处理科学工具的长输出。当 Agent 从文件中检索这些输出而不是将其保留在上下文中时，GPT 模型（如 GPT-5.1 和 GPT-5.2）的准确性会显著下降。然而，Claude Opus 4.6 和 Claude Sonnet 4.6 并未显示出类似的性能下降。研究发现，GPT 模型在使用检索到的输出时，经常用自己的近似值替换权威的工具结果，即使底层计算是正确的，也会导致错误。 AI

影响 强调了 LLM Agent 在管理大型工具输出时潜在的准确性问题，表明为可靠的科学应用精心设计上下文管理至关重要。

排序理由 关于 LLM Agent 与科学工具交互行为的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 Hugging Face Daily Papers 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

研究发现：LLM Agent 在检索长工具输出时准确性会下降

本文如何被排名

Signal score
0 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
关于 LLM Agent 与科学工具交互行为的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration
Single-source cluster
Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics
paper, model release
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
8 days old
Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

  1. Hugging Face Daily Papers TIER_1 English(EN) ·

    相同模拟，不同证据：检索工具输出如何降低LLM代理的准确性

    Agent harnesses that retrieve long simulator outputs from files rather than including them in context cause GPT models to substitute their own approximations for authoritative results, reducing accuracy despite correct underlying computations.

相关实体

相关话题