arXiv Artificial Intelligence· Ke Zhang, Sahchit Chundur, Jerry Peprah Owusu, Mohammad Javad Abdolhosseini Qomi, Maziar Raissi·2026-10-20 12:00· 2 小时前AI 评分47

同样的模拟，不同的证据：检索式工具输出为何让 LLM 智能体损失准确率

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

AI 导读

用 USGS 地球化学模拟器 PHREEQC 回答 158 道执行验证选择题时，通过分节索引而非上下文读取模拟报告，GPT-5.1 和 GPT-5.2 准确率分别下降 11.3 和 7.9 个百分点，Claude Opus 4.6 与 Claude Sonnet 4.6 未检测到损失。

来源：arXiv Artificial Intelligence · arxiv.org

Agent 智能体数据与训练论文研究评测基准 #论文/研究 #Agent #评测/基准 #数据/训练