多模态 Agent 真的能从工具使用中受益吗？一项关于能力增益的系统性研究

本文质疑仅凭工具调用轨迹即断定 Agent 学会使用工具的普遍观点，指出这未必代表工具提供了关键信息。研究对比了 Thyme 和 DeepEyesV2 等多模态 Agent 与其无工具版本及纯文本推理器在现实理解、OCR 及数学推理等任务的表现。结果显示，工具访问并未带来一致的性能提升或成本降低，绝大多数工具解决的问题也可由非工具设置解决。消融实验表明，Agent 更多是学习了调用模式而非工具赋予的实际能力，建议评估应区分工具可用性与实际解题能力的扩展。