arXiv · cs.AI· Kavienan Jegatheesan, Gayathri Lihinikaduarachchi·· 1 天前
数学智能体在工具反馈污染下的可靠性研究
When Tools Lie: Reliability of Mathematical Agents Under Corrupted Tool Feedback
arXiv:2610.08097v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Kavienan Jegatheesan, Gayathri Lihinikaduarachchi
研究任务与主要进展
Kavienan Jegatheesan和Gayathri Lihinikaduarachchi研究数学智能体能否识别并修正被篡改的工具调用结果。基于摘要，在31个问题和四种验证设计实验中，无验证时准确率从100%降至72.4%，强制同上下文反思恢复至100%；可选验证只有在模型主动调用时才改善准确率，检测到污染后完整重启问题在全部案例中成功。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org