一项新近发表在arXiv上的研究评估了大型语言模型（LLMs）如何决定是使用外部工具（如网络搜索）还是依赖其内部记忆。研究人员开发了一个包含400个问题的基准来测试这一决策过程，区分了内部知识（IK）问题和外部知识（OK）问题。研究发现，像GPT-5 mini和Grok 4 Fast这样的模型通常表现良好，它们会搜索外部知识，同时避免对内部知识问题进行不必要的搜索。然而，Mistral Small倾向于回避而非使用其搜索工具，并且发现一个产品的搜索指示器并不可靠。 AI
影响 这项研究强调了大型语言模型准确判断何时使用外部工具的关键需求，这影响着代理式AI系统的可靠性和效率。
排序理由 在arXiv上发表的研究论文，详细介绍了大型语言模型工具使用行为研究。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
