当历史在撒谎：误导性多轮历史下工具使用能力的评测与改进
When History Lies: Evaluating and Improving Tool Use under Misleading Multi-Turn Histories

工具调用型agent依靠累积的对话与工具调用轨迹来推断任务状态。但在持久化交互中，历史轨迹可能在结构上依然有效、语义上依然可信，实际上却已经不再对当前请求具有权威性——例如引用了已失效的实体或过时的接口约定。作者发现这类"貌似合法"的历史污染能够劫持模型本来已经具备的正确策略：在Qwen3-1.7B上，污染使32.1%原本在原始轨迹下正确的决策发生翻转，并频繁诱导模型复用已损坏的实体或接口约定。

作者构建了一个配对基准（论文中称为bench），提供同步的Original（原始）、Polluted（污染）、Oracle State（理想状态）三种视图，三者保持相同的系统策略、当前工具集、最新请求与标准下一步动作。基于此设计了11种保留标准答案的干预方式，将失败归因拆解到决策状态、实体绑定、接口执行三个层面，覆盖完整调用与非调用决策两类场景。

作者提出的方法（论文中称为ours）让一个以Oracle状态为条件的教师策略，通过对学生模型自身生成前缀的软监督，将知识迁移给一个只能看到被污染历史的学生模型，而非依赖硬标签蒸馏。

在Qwen3-1.7B上，该方法达到87.0%的平衡工具使用准确率（Balanced Tool-Use Accuracy），显著优于Gold-SFT（66.3%）、Oracle序列蒸馏（82.3%）和离策略token蒸馏（85.0%）。该方法可规模化：用8B教师模型指导同样的1.7B紧凑学生模型，能将其准确率提升到91.9%；若学生模型本身也是8B，则达到93.0%。得到的策略还能进一步迁移到干净历史、未见过的函数、独立重新生成的评测上下文、外部工具使用基准以及带噪声的多跳问答任务，展现出较强的跨场景泛化性。

"历史可靠性"作为一个独立的工具使用瓶颈被明确提出，这个视角对duplex agent架构很有启发：全双工交互天然是持久化、多轮、状态不断演化的场景，Interaction Layer快速响应所依赖的上下文历史，随时可能因为用户中途改变意图、打断、纠正而变得"结构合法但语义过时"——这正是论文里描述的污染模式。如果一个duplex agent的Thinking Layer在做深度推理时无法识别历史中哪些片段已经失效，就可能重复利用过时的实体绑定或接口约定，产生错误响应却毫无察觉，这与论文中"复用已损坏的实体或接口约定"的失败模式高度吻合。Oracle条件教师软监督迁移这一训练思路也值得借鉴——它本质上是让学生在自己实际会遇到的（受污染的）分布上学习修正，而不是死记硬背理想状态下的答案，这种"在自身生成前缀上做软监督"的训练范式或许可以迁移到duplex agent的状态一致性训练中。局限在于目前验证仅限于1.7B~8B级别模型和特定基准，污染注入方式是否覆盖了真实多轮对话（尤其是语音交互）中历史失效的全部模式，仍需更多验证。