必须得让AI明白，有些不该碰的东西别碰（doge）

背景：近期，以DeepEyes、Thymes为代表的类o3模型通过调用视觉工具，在视觉推理任务中取得优异表现，但研究发现模型存在“盲目用工具”问题，即任务不需要时也条件反射式调用工具，导致推理路径变长、算力消耗增加，准确率却未提升甚至下降。研究目的：针对模型未学会判断“何时值得用工具”的核心问题，研究团队提出AdaTooler-V模型，旨在让模型具备自适应工具使用能力，学会判断“该不该用工具”。结论：AdaTooler-V在12个主流图像和视频推理基准上展现显著优势，例如在高分辨率视觉推理任务V上准确率达89.8%；通过引入Tool Benefit Score指标和AT-GRPO强化学习算法，模型能自主学习有利且泛化能力强的推理策略，在提升性能的同时降低推理成本。