标签
本文介绍了When2Tool，一个研究LLM代理实际何时需要调用工具的基准，并揭示模型已从隐藏状态知道工具的必要性但未能采取行动。提出的Probe&Prefill方法将不必要的工具调用减少了48%，且精度损失极小。
研究者通过探针语言模型表征，在五种语言中预测人类阅读时间，发现早期层在早期眼动指标上优于惊讶度，而惊讶度在晚期指标上仍占上风。