论文揭示接口导致Agent工具调用轨迹被审查
原文标题：Interface-Induced Trajectory Censoring
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。
- 问题
- 智能体评估中工具调用率可能因接口审查而失真，模型输出正常却显示为零。
- 方法
- 固定权重、用例、解码和种子，仅更换服务适配器，用2x2实验定位聊天模板与解析器的交互效应，并发布预检工具。
- 结果
- 同一模型在BFCL v4上得分0.00或0.96/0.19；tau-bench 115个任务中服务器解析调用从0升至636。
- 影响
- 评估数字可能只是接口假象，上线前需用预检工具排查静默失败，否则会误判模型能力。
深读 · 结论先行AI 生成展开看要点与影响 ↓
仅换服务适配器，同一模型在BFCL v4上得分从0.00变为0.96/0.19，工具调用被接口静默审查。
- •固定权重、用例、解码与种子，只改服务适配器，同一模型在BFCL v4的executor与scorer上得分为0.00或0.96/0.19。
- •chat模板与解析器的2×2实验显示两个主效应均为零，全部效应在交互项——没有组件损坏，只修一侧毫无收益。
- •tau-bench的115个交互零售任务上，同一替换使服务端解析调用从0增至636，触达工具执行的任务从0增至103。
- •探针在Qwen2.5-Coder的21倍规模范围内复现：各规模服务端解析均为0/100，而32B模型格式良好的发出调用达80/100。
- •Llama-3.1-8B把任务函数本身当工具调用的23%比率，在一个strict:true标志下降至0；训练循环内同样受影响。
为什么重要：智能体基准分数可能反映服务栈而非模型能力，评测方需先做接口预检，作者已发布检测工具。
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。