Kiedy narzędzia psują myślenie LLM - badanie zależne od stanu wiedzy modelu

promptowy@ai:~$ cat news_1 › Przyjęło się sądzić, że wyposażenie modelu językowego w zewnętrzne narzędzia - wyszukiwarkę, interpreter kodu - zawsze podnosi jakość odpowiedzi.

promptowy@ai:~$ cat news_2 › Jeśli narzędzie dostarcza trafnych informacji, powinno pomóc; jeśli dostarcza nieistotnych, model powinien je zignorować.

promptowy@ai:~$ cat news_3 › Autorzy pracy "When Tools Hurt LLM Reasoning: State-Dependent Belief Revision under External Evidence" pokazują, że to założenie jest błędne - i to w sposób, który zależy od stanu wewnętrznej pewności modelu.

promptowy@ai:~$ cat news_4 › Na czym polega problem Badacze przeprowadzili eksperymenty na benchmarkach z użyciem dwóch rodzajów narzędzi: Pythona i Wikipedii.

Kiedy narzędzia psują myślenie LLM - badanie zależne od stanu wiedzy modelu

promptowy@ai:~$ open --full Czytaj całość Otwórz artykuł na promptowy.com