Anthropic研究：AI智能体在生物学任务中表现不稳定，重复检索工具可提升准确性

Anthropic最新研究发现，AI智能体在编程任务中表现出色，但在生物学数据检索中可能失败。同一生物学数据请求，即使提示词不变，不同运行结果差异巨大。例如，在埃博拉序列任务中，Claude Sonnet 4一次返回106条序列，另一次返回15条，而正确答案是266条。这种不一致性会改变科学结论，如将疫情起源误判为1922年而非2014年。研究指出，添加可重复的检索工具能显著提升智能体的准确性和一致性。