研究揭示LLM智能体工具Schema偏差
热点事件持续更新
研究揭示LLM智能体工具Schema偏差
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Yinhong Liu等作者提出“Schema偏差”现象：同一个可执行动作，用功能等价但写法不同的工具定义暴露给LLM智能体时，智能体的表现并不一致。 作者构建了可执行转换框架，用九种重写算子改写原生工具定义，包括合并与拆分工具、改变单个工具的表达方式、把一个动作分散到多个相互依赖的调用中。 在最多32种schema变体上评测11个LLM（含2个闭源模型）时，成功率仅因schema不同就从完全失败跨越到97%。
AI 根据报道生成 · 43 分钟前更新
最新进展10月19日 12:00
LLM 智能体的动作空间塑造：测量与缓解工具 Schema 偏差报道时间线
沿着报道，了解事件的不同侧面。
10月19日
- arXiv cs.AILLM 智能体的动作空间塑造：测量与缓解工具 Schema 偏差
研究提出“schema bias（Schema 偏差）”现象：同一可执行动作经不同但功能等价的工具定义暴露时，LLM 智能体表现并不一致。作者构建含九种重写算子的可执行转换框架，在最多 32 种 schema 变体上评测 11 个 LLM（含 2 个闭源模型），成功率仅因 schema 不同就从完全失败跨越到 97%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。