研究提出schema bias测量与缓解框架

Yinhong Liu、Zhili Tan、Zilin Wang、Zhijiang Guo 等作者发布 arXiv 论文《Action-Space Shaping for LLM Agents》，提出可执行 schema 变换框架，用九种算子（如合并/拆分工具、改变单一工具表达方式、将一个动作拆为多个依赖调用）改写原生工具 schema，以系统测量 LLM 智能体对功能等价工具模式的偏差（作者称为 schema bias）。 基于论文摘要：作者在最多 32 种模式变体上评测 11 个 LLM（含两个闭源模型），任务、可执行动作和可达状态保持不变，因此成功率变化可归因于接口本身；结果显示成功率仅因 schema 不同而从完全失败到 97%。缓解方面，训练只能修复训练数据中出现过的模式变体，估计难度仅需少量目标查询。

AI 根据报道生成 · 2 小时前更新