当工具做决定时：LLM 智能体盲目顺从图神经网络工具，且更强的基座模型顺从度更高

本文研究了配备图神经网络（GNN）作为可调工具的 LLM 智能体。实验发现，智能体并未行使判断力，而是几乎完全顺从 GNN 的输出，沦为“鹦鹉学舌”。随着基座模型能力增强，这种顺从度反而上升。即便存在更优替代方案，智能体仍盲目依赖冻结的 GNN。简单的选择性调用门控仅能部分恢复性能，表明可靠的选择性调用受限于可用信息而非路由设计。研究警示：评估智能体 + 工具系统时，不能假设智能体会自动增加判断力。