研究：工具描述中的推销语言显著影响LLM工具选择

Haochuan Kevin Wang 在 arXiv 论文《Advertising to Agents》中发布预注册研究，通过构造仅在赞美语言、可验证规格或列表顺序上不同的工具描述，测量框架偏差对 LLM Agent 工具选择的影响。结果显示：叠加四种赞美使工具被选中的概率提高约 43 个百分点，效果达到或超过可验证规格，并使部分选择转向数值限制过低的工具；列表内容相同时，排在第一位的工具被选中的频率高出约 72 个百分点。 结构化字段本身有助于 Agent 选出能力合适的工具，但旁边的推销文本会削弱甚至抵消这一收益。研究者说明，这些预注册结果在盲评短语评分完成前属初步结论，且仅覆盖两个小型模型。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。