研究揭示工具型智能体很少把无用证据判断转化为停止决策

一项 arXiv 论文在受控检索环境中测试七个智能体，发现它们对失效信源的结果 97-100% 判为无用，却大多不据此停止调用。提示词线索只改变停止时机而非停止依据，预算声明会让 7-8B 模型拖到截止点；只有让智能体在连续五次判为无用后强制给出回答的整合步骤，停止行为才跟随证据，该规则在预注册的 300 个新问题上复现有效。