大语言模型是否知晓工具无关性？揭示工具调用中的结构性对齐偏差

大语言模型在利用外部工具方面表现出色，但在面对与用户查询无关的工具时，往往未能正确拒绝调用。本文发现了一种被忽视的机制缺陷——“结构性对齐偏差”：即使用户目标无法达成，只要查询属性能匹配工具参数，模型仍倾向于调用工具。为此，我们提出了 SABEval 数据集以解耦结构对齐与语义相关性，并设计了对比注意力归因方法，揭示了语义检查与结构匹配两条竞争路径。基于此，我们提出重平衡策略，有效缓解了该偏差且未损害通用工具使用能力。