#因果审计

这篇论文查了6个模型的视觉工具调用：多数只是白花钱，只有少数轨迹真有用。别被表面准确率骗了。

这篇论文给出了一套错配缓存审计法，对比LatentMAS、KVComm、C2C后发现，基准涨分不等于真在传潜在思维。