热点事件持续更新
研究揭示工具增强大模型在评测中具更高提示词敏感性
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
2026年10月23日，arXiv发布一项针对6个开源模型的研究。研究表明，为大模型引入外部工具虽然能够提升问答准确率，但在模型成对对比评估中，却会放大其对提示词表述的敏感度。在涉及5个领域和5种表述的测试中，敏感度的扩大程度与模型调用工具的频率直接相关，且确定性的工具输出并不能保证评测排名的稳定性。基于上述发现，该研究建议未来的基准测试在衡量准确率之外，应同时汇报模型的工具调用频率以及在多种提示词表述下的对比稳定性。
AI 根据报道生成 · 6 小时前更新
最新进展10月23日 12:00
研究发现工具增强会放大模型评测的提示词敏感性，建议基准测试增加调用频率与稳定性指标。报道时间线
沿着报道，了解事件的不同侧面。
10月23日
- arXiv 自然语言处理工具增强模型对比中的提示词敏感度研究
一项针对 6 个开源模型的研究表明，为模型引入外部工具虽然能提高问答准确率，却会放大模型成对对比中对提示词表述的敏感度。在 5 个领域和 5 种表述的测试中，敏感度的扩大与模型调用工具的频率直接相关，且确定性的工具输出并不能保证评测排名的稳定性。研究建议基准测试在准确率之外，应同时汇报工具调用频率及多表述下的对比稳定性。
本事件热度走势
当前热度 8·可比范围峰值 10（10月23日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。