研究：检索式工具输出对LLM Agent准确率的影响

2026年10月20日，arXiv Artificial Intelligence 刊出 Ke Zhang 等作者的论文，研究检索式工具输出对 LLM 智能体准确率的影响。研究以美国地质调查局（USGS）的 PHREEQC 地球化学模拟器为真实科学工具，其报告长度可达 846.8k 字符，且因模拟具有确定性，每个打印数值都可追溯。作者用 PHREEQC 回答 158 道执行验证选择题，比较通过分节索引而非上下文读取模拟报告时的表现。结果显示，GPT-5.1 和 GPT-5.2 的准确率分别下降 11.3 和 7.9 个百分点，而 Claude Opus 4.6 与 Claude Sonnet 4.6 未检测到损失。论文由此指出，同样的模拟在不同模型上呈现不同证据效果，检索式工具输出可能让部分 LLM 智能体损失准确率。

AI 根据报道生成 · 41 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。