強化學習獎勵設計

深度分析

工具過用在TIR：LLM的知識判讀失誤與獎勵設計陷阱

本報導改寫並解析arXiv研究「Tool-Overuse Illusion」，聚焦大型語言模型（LLM）在工具整合推理（TIR）下出現的『工具過用』現象：模型常在不需要外部支援的情況下呼叫工具，浪費資源且反而降低表現。