研究揭示LLM工具使用中的知行差距
热点事件持续更新
研究揭示LLM工具使用中的知行差距
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Yize Cheng 等马里兰大学研究者在 arXiv 论文（NeurIPS 2026）中提出基于模型实际表现的“工具必要性”自适应定义，在算术与事实问答数据集上对比四个模型，发现工具必要性与实际调用行为存在错配，比例分别达 26.5-54.0% 和 30.8-41.8%。 通过探测 LLM 隐状态并将工具使用分解为认知与执行两阶段，研究发现错配主要集中在认知到行动的转化环节，而非认知本身，研究者称这揭示了 LLM 工具使用中的“知行差距”。
AI 根据报道生成 · 2 小时前更新
最新进展10月26日 12:00
模型自适应工具必要性研究揭示 LLM 工具使用的“知行差距”报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- arXiv cs.AI模型自适应工具必要性研究揭示 LLM 工具使用的“知行差距”
arXiv 论文（NeurIPS 2026）提出基于模型实际表现的“工具必要性”自适应定义，在算术与事实问答数据集上对比四个模型，发现工具必要性与实际调用行为的错配分别达 26.5-54.0% 和 30.8-41.8%。通过探测 LLM 隐状态并将工具使用分解为认知与执行两阶段，研究发现错配主要集中在认知到行动的转化环节，揭示 LLM 工具使用存在“知行差距”。
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。