Beyond Function Calling: Benchmarking Tool-Using Agents under Tool-Environment Unreliability

• 类型：arxiv
• 标识：2606.25819
• 链接：http://arxiv.org/abs/2606.25819v1
• 主分类：agent
• 形态：benchmark
• 被引：1
• 被引来源：Semantic Scholar
• S2被引：1
• OpenAlex被引：0
• 影响力被引：0
• TLDR：Results suggest that tool-use evaluation should move beyond function-call accuracy toward task completion under unreliable tool environments, and suggest that tool-use evaluation should move beyond function-call accuracy toward task completion under unreliable tool environments.
• OpenAlex ID：W7165870665
• OpenAlex DOI：10.48550/arxiv.2606.25819
• DOI：10.48550/arxiv.2606.25819
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://doi.org/10.48550/arxiv.2606.25819
• OpenAlex更新：2026-07-19
• 副分类：evaluation
• 待LLM分类：否
• 标题中文：超越函数调用：在工具与环境不可靠条件下对工具使用 Agent 的基准评测
• TLDR中文：结果表明，工具使用评测应从函数调用准确率转向不可靠工具环境下的任务完成度，并建议工具使用评测应从函数调用准确率转向不可靠工具环境下的任务完成度。（注：原文末句疑似重复）
• 来源文件：
• /inbox/tom/_candidates/2026-06-25-agent-rag-longcontext-candidates.json
• [S2 enrich]
• [OpenAlex backfill]