RAG | Нейросети | ИИ | AI | Агенты | Mistral Large 4 | Gemini 4 Argon | GPT-6.1 Sol | Claude Sonnet 5.5 | GLM 5.3 | DeepSeek V4.1

IT и технологии · 12 августа 2026 г.

Открыть канал в MAX

ScrambleToolBench показывает, на чём держится агент — на именах инструментов, а не на п...

ScrambleToolBench показывает, на чём держится агент — на именах инструментов, а не на поведении. Переименуй read_file в fn_x9, и 93% успеха превращаются в 32%. Дрейф имён (четверть тулзов меняется между задачами) плюс сбои и окно — уже 3%. Вместо цепочки переименований агент уходит в полный перебор. Долгое рассуждение его лишь удорожает. https://arxiv.org/abs/2608.02358