ProvenanceGuard 论文提出面向 MCP 智能体的来源感知事实核验
ProvenanceGuard 面向使用 MCP 多工具的 LLM 智能体,逐条检查回答中的事实是否由回答所指向的正确来源支持,而不是只判断事实是否存在于汇总证据中。
推荐理由:论文展示了在 MCP 多源场景中保留来源身份的验证方法,并用医疗智能体数据说明它如何减少错引来源,同时暴露相似来源区分的难点。
ProvenanceGuard 面向使用 MCP 多工具的 LLM 智能体,逐条检查回答中的事实是否由回答所指向的正确来源支持,而不是只判断事实是否存在于汇总证据中。
推荐理由:论文展示了在 MCP 多源场景中保留来源身份的验证方法,并用医疗智能体数据说明它如何减少错引来源,同时暴露相似来源区分的难点。
Google Research 在 ACL 2026 介绍 ToolGrad,通过先生成经验证的 API 工具链、再标注对应用户查询的 answer-first 范式生成工具使用数据。
推荐理由:ToolGrad 将工具链生成与用户查询标注拆开,并用文本反馈迭代 API 工作流,为降低工具使用数据的生成成本提供了可复用思路。