待验证80% 置信事实时间未知

对于不支持工具调用的模型，通常需要通过精心设计的Prompt来模拟工具调用行为，但稳定性和准确率会明显下降

1

来源数

80%

置信度

长期有效

时效性

2026/6/1

首次发现

来源

Agentic RAG实战教程：用LangGraph实现智能检索增强生成

bilibiliAI大模型__

涉及实体

Function Callingconcept

相关事实

待验证工具的动作要幂等，错误要明确，否则模型调用失败后无法补救81% 相似待验证结构化、类型强约束的工具响应可以显著降低模型在解析阶段产生误解的概率77% 相似待验证相关研究指出基础模型通常能从约束中受益，但指令微调过的模型在开放式生成任务上质量会明显下降76% 相似待验证研究表明模型在处理约束性指令时的准确率显著低于处理生成性指令，这被称为'约束遵循缺陷'76% 相似待验证面对不同失败模式应采取不同数据合成策略：错误工具调用则合成对应失败轨迹强化，长任务表现挣扎则生成多步骤轨迹，过度使用工具则通过评分筛选优化调用效率74% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/26762

API

curl https://kongchang.com/api/v1/knowledge/claims/26762

MCP

get_claim(id=26762)