[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-act-wisely-tool-use-agentic-multimodal-models-zh":3,"article-related-act-wisely-tool-use-agentic-multimodal-models-zh":25,"series-research-5e4f3620-9a8e-4185-84d2-fa8ef42fc058":78},{"id":4,"slug":5,"title":6,"content":7,"summary":8,"source":9,"source_url":10,"author":11,"image_url":12,"cover_image":12,"category":13,"language":14,"translated_content":11,"related_article_id":15,"keywords":16,"key_takeaways":11,"views":22,"created_at":23,"published_at":24,"topic_cluster_id":11},"5e4f3620-9a8e-4185-84d2-fa8ef42fc058","act-wisely-tool-use-agentic-multimodal-models-zh","教代理何時別叫工具","\u003Cp>\u003Ca href=\"https:\u002F\u002Farxiv.org\u002Fabs\u002F2604.08545\">Act Wisely: Cultivating Meta-Cognitive Tool Use in Agentic Multimodal Models\u003C\u002Fa> 這篇論文，盯上的不是模型會不會用工具，而是模型到底該不該用工具。作者認為，現在不少 agentic multimodal models 有一個很實際的毛病：明明輸入裡已經有答案，模型還是會習慣性去叫外部工具。這種「先叫再說」的行為，看起來很積極，實際上卻可能拖慢系統、增加雜訊，還把推理帶歪。\u003C\u002Fp>\u003Cp>這個問題對開發者來說不陌生。工具呼叫不是免費的。每多一次呼叫，就多一次協調成本、多一個失敗點，也多一層延遲。若是多模態代理，像是看圖回答、結合外部環境操作這類任務，過度依賴工具會讓原本可以直接從感知中解出的問題，變成更慢、更不穩定的流程。\u003C\u002Fp>\u003Ch2>這篇論文想修正什麼\u003C\u002Fh2>\u003Cp>論文把這個現象描述成一種 meta-cognitive deficit，也就是模型在判斷「要不要借助外部工具」這件事上不夠好。它不是單純不會做題，而是不太會判斷自己的內部能力夠不夠，該不該去查工具。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1775801029065-5n2l.png\" alt=\"教代理何時別叫工具\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>這種盲目工具使用，問題不只是在浪費時間。它還會把推理流程弄得更吵。原本模型可能只要看懂輸入就能回答，結果卻因為多了一次工具互動，讓整個決策路徑變長，也更容易出錯。對實際系統來說，這種行為很像一個人明明已經知道答案，卻還是先去翻資料庫，最後反而被更多資訊干擾。\u003C\u002Fp>\u003Cp>作者想修的，就是這個「不會判斷何時不該出手」的問題。重點不是逼模型少用工具，而是讓它學會在對的時機才用。這個差別很大，因為真正有價值的代理，不是工具用得最多，而是工具用得最準。\u003C\u002Fp>\u003Ch2>為什麼一般 reward shaping 不夠\u003C\u002Fh2>\u003Cp>論文指出，現有的強化學習做法，常常會把工具使用當成單一 reward 裡的一個懲罰項。聽起來合理，但作者認為這樣做會把兩件不同的事硬塞進一個分數：一個是任務正確率，一個是工具效率。\u003C\u002Fp>\u003Cp>問題在於，這兩個目標不一定能靠同一個標量獎勵順利平衡。如果工具懲罰太重，模型會開始怕工具，連真的需要外部協助時也不敢用。反過來，如果懲罰太輕，它又會被 accuracy reward 的波動蓋掉，最後對工具過度使用幾乎沒有約束力。作者特別提到，在 advantage normalization 的影響下，這種工具懲罰甚至可能被沖淡到幾乎沒效果。\u003C\u002Fp>\u003Cp>換句話說，這不是單純把懲罰加大就能解的問題。對工程師來說，這很像把兩個互相牽制的系統目標，硬塞到同一個 KPI 裡。表面上看起來只有一個優化方向，實際上卻可能讓模型學到奇怪的權衡，最後在真實部署時表現不如預期。\u003C\u002Fp>\u003Ch2>HDPO 到底怎麼訓練\u003C\u002Fh2>\u003Cp>這篇論文提出的核心方法叫 HDPO。它的想法不是把「答對」和「少用工具」混成一個分數，而是把兩者拆開來處理。作者把工具效率變成一個條件式目標，只有在模型已經能正確完成任務的軌跡裡，才進一步要求它更省工具。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1775801036781-362p.png\" alt=\"教代理何時別叫工具\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>論文用 conditional advantage estimation 來描述這件事。白話一點說，就是模型先要證明自己會做題，之後才會被推著去學更經濟的解法。這樣的訓練順序，等於先把「能不能做對」和「做對時能不能少借外力」分階段學習，而不是一開始就逼模型同時兼顧兩者。\u003C\u002Fp>\u003Cp>作者也把這種安排稱為一種 cognitive curriculum。意思是訓練流程有點像教學順序：先建立能力，再培養節制。對 a\u003Ca href=\"\u002Fnews\u002Fanthropic-managed-agents-enterprise-ai-work-zh\">gent\u003C\u002Fa> 來說，這其實很合理。因為如果一個模型連基本任務都不穩，卻先去學怎麼少叫工具，很可能會學到過度保守的策略；反過來，先學會把任務做對，再來修正工具使用習慣，訓練目標會更清楚。\u003C\u002Fp>\u003Cp>HDPO 的重點，就在這個 decoupling。它不把工具使用當成與正確率正面衝突的單一懲罰，而是把效率當成建立在正確性的前提上。這讓模型比較像在學「判斷力」，而不是單純學「省錢」。\u003C\u002Fp>\u003Ch2>論文實際證明了什麼\u003C\u002Fh2>\u003Cp>根據摘要，作者做了 extensive evaluations，結果顯示最後訓練出來的模型 Metis，有兩個同時發生的結果：工具呼叫次數大幅下降，而且推理正確率還提升了。這是這篇論文最重要的訊號，因為它直接挑戰了常見直覺：少叫工具，不一定會更爛；在這裡，反而可能更好。\u003C\u002Fp>\u003Cp>不過，這份摘要沒有公開完整 benchmark 細節。它沒有列出使用哪些資料集、哪些任務、哪些基準模型，也沒有提供具體數字。因此，從這份 raw 資料本身，我們只能確定方向與結論，還不能精準比對提升幅度，也不能憑摘要\u003Ca href=\"\u002Fnews\u002Ffast-spatial-memory-elastic-test-time-training-zh\">重建\u003C\u002Fa>完整實驗設計。\u003C\u002Fp>\u003Cp>即便如此，這個結果還是有意思。因為它不是在說「我們用更多工具換來更高正確率」，而是說「我們同時減少工具使用，還把推理做得更準」。這種結果如果在更完整的實驗裡也成立，對多模態代理的訓練思路會是很直接的提醒：工具效率不一定要靠犧牲品質換來。\u003C\u002Fp>\u003Cul>\u003Cli>問題：模型會在不需要時也去叫工具。\u003C\u002Fli>\u003Cli>影響：延遲變高、雜訊變多、推理路徑更不穩。\u003C\u002Fli>\u003Cli>方法：HDPO 把正確率與工具效率分開訓練。\u003C\u002Fli>\u003Cli>結果：摘要稱 Metis 同時降低工具呼叫、提升推理正確率。\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>對開發者有什麼意義\u003C\u002Fh2>\u003Cp>如果你在做 multimodal agent、工具調用型 \u003Ca href=\"\u002Fnews\u002Fproject-glasswing-ai-software-bugs-zh\">ass\u003C\u002Fa>istant，或任何會跟外部環境互動的系統，這篇論文其實很像在提醒一個常被忽略的 failure mode：模型看起來很會動作，但其實是過動。它不是每次都真的需要工具，卻把工具當成預設答案，這在 demo 裡可能不明顯，在 production 裡卻會變成成本。\u003C\u002Fp>\u003Cp>HDPO 提供的一個實作啟發是：不要把工具使用只當成主 reward 的附屬懲罰。當你要訓練的是「何時該自己想、何時該外部查詢」這種情境判斷時，單一標量目標很可能不夠乾淨。把效率和正確性拆開，至少在訓練邏輯上會更貼近你真正想要的行為。\u003C\u002Fp>\u003Cp>對產品團隊來說，這代表幾個很現實的好處：更低 latency、更少不必要的 API 呼叫、更少 orchestration overhead，也可能有更穩定的推理路徑。對 ML 工程師來說，這篇論文的價值在於訓練結構，而不只是某個新損失函數。它在說，當行為本身是 context-dependent 的時候，條件式優化可能比硬塞進單一 reward 更有效。\u003C\u002Fp>\u003Cp>但限制也要看清楚。摘要沒有提供完整 benchmark 細節，所以我們不知道這個方法在不同任務、不同工具類型、或不同多模態設定下的泛化情況。也不知道它對工具選擇的敏感度有多高，更不清楚在更複雜的 agent pipeline 裡，這種訓練法會不會遇到新的副作用。換句話說，方向很清楚，但可移植性還需要更多資料支持。\u003C\u002Fp>\u003Cp>不過，這篇論文至少把一件事講白了：工具使用不只是成本問題，也是判斷問題。對 agent 來說，真正重要的能力不是「能不能叫工具」，而是「知不知道現在別叫」。如果你在設計下一代多模態代理，這個觀點值得放進訓練目標裡。\u003C\u002Fp>\u003Ch2>總結\u003C\u002Fh2>\u003Cp>《Act Wisely》想解的，不是模型能不能更強，而是模型能不能更會節制。HDPO 的做法，是把「答對」和「少用工具」分開學，先保證任務正確，再把工具效率學進去。摘要裡宣稱的結果也很直接：工具呼叫大幅下降，推理正確率還提升。\u003C\u002Fp>\u003Cp>對開發者來說，這篇論文的訊號很實際。它不是在推一個新工具，而是在提醒你，訓練 agent 時，別只教它怎麼找幫手，也要教它什麼時候不需要幫手。這種判斷力，可能比多一個工具本身更值錢。\u003C\u002Fp>","HDPO 把「答對」和「少叫工具」分開訓練，想修正多模態代理的盲目工具使用。摘要稱它能大幅減少呼叫次數，同時提升推理正確率。","arxiv.org","https:\u002F\u002Farxiv.org\u002Fabs\u002F2604.08545",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1775801029065-5n2l.png","research","zh","3cefc37f-e116-4597-a5cb-55bfb3fc4aa4",[17,18,19,20,21],"multimodal agents","tool use","HDPO","reinforcement learning","conditional advantage estimation",1,"2026-04-10T06:03:34.31315+00:00","2026-04-10T06:03:34.233+00:00",{"tags":26,"relatedLang":37,"relatedPosts":41},[27,29,31,33,35],{"name":17,"slug":28},"multimodal-agents",{"name":19,"slug":30},"hdpo",{"name":21,"slug":32},"conditional-advantage-estimation",{"name":18,"slug":34},"tool-use",{"name":20,"slug":36},"reinforcement-learning",{"id":15,"slug":38,"title":39,"language":40},"act-wisely-tool-use-agentic-multimodal-models-en","Act Wisely: Teaching Agents When Not to Call Tools","en",[42,48,54,60,66,72],{"id":43,"slug":44,"title":45,"cover_image":46,"image_url":46,"created_at":47,"category":13},"33c9a55c-a8c0-4367-b742-f4567d1e98e3","mathematicians-warn-ai-could-distort-math-zh","數學界警告 AI 會扭曲證明標準","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780504386035-080l.png","2026-06-03T16:32:29.415063+00:00",{"id":49,"slug":50,"title":51,"cover_image":52,"image_url":52,"created_at":53,"category":13},"5c3cb90f-7efd-426f-8c09-32a303f82be9","humanoid-gpt-zero-shot-motion-tracking-zh","Humanoid-GPT：用 GPT 擴大動作追蹤","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780469319284-znpc.png","2026-06-03T06:47:34.463464+00:00",{"id":55,"slug":56,"title":57,"cover_image":58,"image_url":58,"created_at":59,"category":13},"e3a4b0f7-03b3-43c6-ae51-906b337c5c2f","ipt-vlms-hidden-space-reasoning-zh","IPT 讓 VLM 更會想像隱藏空間","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780468394735-1k40.png","2026-06-03T06:32:46.560029+00:00",{"id":61,"slug":62,"title":63,"cover_image":64,"image_url":64,"created_at":65,"category":13},"5fca9fe5-af66-47ce-85f0-0ffe1bee30b9","neuron-selectivity-changes-with-scale-zh","神經元選擇性會隨規模改變","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780467514422-7oss.png","2026-06-03T06:17:44.126547+00:00",{"id":67,"slug":68,"title":69,"cover_image":70,"image_url":70,"created_at":71,"category":13},"9f9c2a61-d058-4c62-bb88-106e683657f0","nasa-landsat-wild-disturbances-rising-zh","NASA Landsat：野火與風暴變多","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780448581102-owp0.png","2026-06-03T01:02:37.513233+00:00",{"id":73,"slug":74,"title":75,"cover_image":76,"image_url":76,"created_at":77,"category":13},"3479bdee-21fb-4fda-9572-9394caba01b0","adacodec-predictive-visual-code-video-mllms-zh","AdaCodec 用預測碼壓縮影片 token","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780381988591-z2sp.png","2026-06-02T06:32:28.249023+00:00",[79,84,89,94,99,104,109,114,119,124],{"id":80,"slug":81,"title":82,"created_at":83},"f18dbadb-8c59-4723-84a4-6ad22746c77a","deepmind-bets-on-continuous-learning-ai-2026-zh","DeepMind 押注 2026 連續學習 AI","2026-03-26T08:16:02.367355+00:00",{"id":85,"slug":86,"title":87,"created_at":88},"f4a106cb-02a6-4508-8f39-9720a0a93cee","ml-papers-of-the-week-github-research-desk-zh","每週 ML 論文清單，為何紅到 GitHub","2026-03-27T01:11:39.284175+00:00",{"id":90,"slug":91,"title":92,"created_at":93},"c4f807ca-4e5f-47f1-a48c-961cf3fc44dc","ai-ml-conferences-to-watch-in-2026-zh","2026 AI 研討會投稿時程整理","2026-03-27T01:51:53.874432+00:00",{"id":95,"slug":96,"title":97,"created_at":98},"cf046742-efb2-4753-aef9-caed5da5e32e","adaptive-block-scaled-data-types-zh","IF4：神經網路量化的聰明選擇","2026-03-31T06:00:36.990273+00:00",{"id":100,"slug":101,"title":102,"created_at":103},"53a0dc54-0371-4e40-8d5e-74e94a73840c","geometry-aware-similarity-metrics-for-neural-representations-zh","超越距離測量：用微分幾何重新理解神經網路","2026-03-31T06:01:01.241968+00:00",{"id":105,"slug":106,"title":107,"created_at":108},"fee7d472-a775-4b1d-bbc2-1e8bca1bbf8b","on-the-fly-repulsion-in-the-contextual-space-for-rich-divers-zh","讓AI繪圖更有創意：用排斥力提升生成多樣性","2026-03-31T06:01:25.439673+00:00",{"id":110,"slug":111,"title":112,"created_at":113},"a9901203-d69b-447b-8854-15d14eab32b4","vision-aided-beam-prediction-cnn-eca-zh","影像輔助波束預測升級 CNN","2026-04-01T10:00:25.8073+00:00",{"id":115,"slug":116,"title":117,"created_at":118},"b55e7dd4-0a24-4b3d-804d-b0309a03f498","triple-band-fss-mimo-antenna-sub-6-ghz-zh","三頻 FSS MIMO 天線瞄準 sub-6 GHz","2026-04-01T13:18:36.857305+00:00",{"id":120,"slug":121,"title":122,"created_at":123},"f68290bd-e7f3-4b30-ba22-dcd4e0130a66","openclaw-1299-repos-eight-weeks-analysis-zh","OpenClaw 1299 個 Repo 的資料解讀","2026-04-02T05:03:45.208411+00:00",{"id":125,"slug":126,"title":127,"created_at":128},"ed9f80eb-eb02-4d35-8ad4-0ddf428751dd","beam-coherence-aware-combining-mmwave-mimo-zh","毫米波 MIMO 的雙階合併法","2026-04-02T05:27:26.897188+00:00"]