arxiv · arXiv · 2026-10-02 01:46 · 评分 77
论文揭示关键词匹配基准可能让小模型“假装”具备工具调用能力：一对结构匹配的西班牙语安全模型在宽松指标上得分相近，但大模型并未真正执行工具调用。作者提出一套廉价的分级诊断方法，用于检验小模型工具调用声称。
原文：arXiv ｜ 返回 AI 资讯列表