arXiv 论文评测 LLM 智能体系统 1 决策模型：揭示评估管道中的隐蔽误差

Fast Models, Slow Evidence: A Paired and Self-Audited Evaluation of System-1 Decision Models for LLM Agent Harnesses 该论文配对评测了开源权重模型 Laya 与托管模型 Jev，后者在 11 个决策点中的 9 个显著更准（高出 10.8~46 个百分点）；Laya 在候选项多且相似时急剧退化（50 个近邻工具场景下准确率仅 31%），而 Jev 在存在唯一正确工具的样本上仍达 98%。此外，论文还审计