数学智能体修复工具反馈污染的研究

Jegatheesan和Lihinikaduarachchi基于arXiv摘要报告：数学智能体在工具结果被暗中替换为可信但错误的信息时，31题准确率由100%降至72.4%；强制在同一上下文反思后，该实验准确率恢复至100%。 研究比较了无验证、强制同上下文反思、可选新上下文验证和可选结构验证四种设计。可选验证仅在模型主动调用时改善结果；智能体明确检测到污染后重新完整解题，在全部案例中成功。结果显示于受控污染实验，不能直接外推到其他工具或错误类型。

AI 根据报道生成 · 38 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。