研究：邮件Agent因表达方式变化而检索与执行失败
原文标题：Lost in the Request: How Communication Variation Disrupts Retrieval and Action in Email Agents
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。
论文研究邮件助手在请求内容不变、但表达风格或英语变体改变时的鲁棒性，构建了五个沟通风格轴与四种方言条件的变体。在RAG流程与两个工具型代理上评估发现，间接请求会降低全部三项基准表现，正式请求则拖累两个代理基准。分析表明冗长请求主要损害词法检索器，而间接与方言变体即便检索到相关邮件仍有害，代理主要表现为遗漏必要动作。研究呼吁评估应改变请求表达方式并单独衡量任务完成度。
- 问题
- 邮件助手在请求内容不变、仅表达风格或英语变体改变时是否仍可靠，现有基准未测。
- 方法
- 沿五种沟通风格轴与四种方言条件构造变体，在RAG流程和两个工具型代理上评估，并区分检索失败与动作遗漏。
- 结果
- 间接请求降低全部三项基准表现，正式请求拖累两个代理基准；冗长请求主要损害词法检索器。
- 影响
- 评估邮件/工具代理不能只看单条标准请求，需按表达方式变体测任务完成度，否则上线后用户换个说法就掉链子。
深读 · 结论先行AI 生成展开看要点与影响 ↓
邮件Agent在请求内容不变、仅表达风格或英语变体改变时性能下降，间接请求拖累全部三项基准。
- •构建五个沟通风格轴与四种基于规则的方言条件变体，保持请求信息、证据与预期结果不变
- •在RAG流程与两个工具型代理共三项基准上评估
- •间接请求降低全部三项基准表现，正式请求降低两个代理基准表现
- •冗长请求主要损害词法检索器，使相关邮件更难被找到
- •间接与方言变体即便检索到相关邮件仍有害，代理主要表现为遗漏必要动作而非多做无依据动作
为什么重要：它说明「回答成功」不足以证明鲁棒性，评估需改变请求表达方式并单独衡量任务完成度，对邮件助手类产品评测有直接影响。
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
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。