何时信任工具？面向工具集成数学推理的自适应工具信任校准

大型推理模型虽经扩展测试时计算提升了性能，但在需精确计算的任务中仍存局限。工具集成推理（TIR）虽为有效范式，但现有模型在自身推理与工具结果冲突时，往往盲目自信而忽略正确的工具输出（即“工具被忽略”现象）。为此，本文提出自适应工具信任校准（ATTC）框架，依据生成代码块的置信度分数，引导模型自适应地选择信任或忽略工具结果。实验表明，该方法显著减少了“工具被忽略”现象，使多个开源 TIR 模型在不同数据集上的性能提升了 4.1% 至 7.5%。