虚假工具使用：当 RL Agent 学会了错误的行动理由

英文标题：Spurious Tool Use: When RL Agents Learn the Wrong Reason to Act

这篇论文探讨大语言模型（LLM）Agent 在强化学习（RL）优化下出现的虚假工具使用问题。此类 Agent 会在自然语言推理过程中调用网页搜索、代码执行等外部工具，而 RL 训练可能放大与真实任务目标无关的偶然相关性。该问题提示开发者在优化工具调用策略时，不应仅关注奖励结果，还需验证 Agent 调用工具的真实因果依据与泛化能力。

2.1 KB 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB