研究揭示工具输出格式化缺陷误导智能体与验证器
原文标题：Who Verifies the Tools? How Warped Formatters Mislead Agents and Their Verifiers
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文基于纽约 Pilsudski 研究所的生产级 RAG 系统案例，发现工具输出格式化器遗漏搜索限制、结果上限或标识符命名空间等信息，会误导智能体与验证器。修复措辞后，四类失败中三类的不受支持断言显著下降，某测试中验证器从 90/90 次接受错误答案变为 90/90 次拒绝。审计提示词还在 OpenClaw 与 Hermes 中发现同类问题并提交修复 PR。
深读 · 结论先行AI 生成展开看要点与影响 ↓
工具输出格式化遗漏细节，可使验证器 90/90 次接受错误答案
- •案例来自纽约 Pilsudski 研究所的生产级 RAG 系统，工具计算正确但输出遗漏搜索限制、结果上限或标识符命名空间
- •仅修复措辞，四类失败中三类的不受支持断言显著下降
- •某测试中验证器从 90/90 次接受错误答案变为 90/90 次拒绝
- •对照实验显示：给出缺失事实并要求判断正确性后，验证器能抓到这些错误
- •审计提示词在 OpenClaw 与 Hermes 中发现同类问题并提交修复 PR
为什么重要：提示工程之外，工具输出文本本身就是可靠性变量；做 RAG 与智能体验证链路的团队应把格式化器纳入审计范围。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
AI分析40万条Reddit帖子发现Ozempic隐藏副作用
AI 摘要研究利用AI分析约40万条Reddit帖子，发现Ozempic等GLP-1药物此前未被充分记录的副作用。该成果展示AI在药物警戒与真实世界证据挖掘中的潜力，可补充传统临床试验与不良反应报告的盲区。
谷歌AlphaGenome Atlas绘制人类基因组图谱
AI 摘要谷歌DeepMind推出AlphaGenome Atlas，包含人类基因组中每个可能的DNA字母变化的预测图谱，有望加速科学研究并推动疾病治疗。该工具将改变我们对生物学的理解。
Meta Muse 下载破千万，国内创业团队争造中国版个人 Agent
AI 摘要Meta 个人 AI 助理 Muse 上线不足两月累计下载 1040 万次，带动国内 Personal Agent 创业热潮，Today AI、Manus Cue、Rabbit OS3 等相继入场。但创业团队需直面豆包、千问等大厂免费产品，以及跨 App 执行任务受微信、淘宝等平台限制的生态壁垒。
腾讯汤道生谈 WorkBuddy 商业化：不设收入数字逼团队
AI 摘要在 2026 腾讯全球数字生态大会上，腾讯发布跨应用办公协同体系 Buddy One，打通腾讯文档、会议、ima 与网盘，并推出商业化方案 Buddy One VIP。汤道生表示 WorkBuddy 商业化以支撑服务发展为目的，不设具体收入指标；负责人刘毅透露中国 500 强中 50% 已在使用，平台累计提交任务超 90 亿。