Reddit 上的討論指出，本地大型語言模型在判斷何時該停止並提出澄清問題時往往表現不佳，用戶認為這種行為更多取決於代理框架（agent harness），而非模型本身的智力。這一發現挑戰了對原始模型基準測試的重視，表明系統架構和提示工程對於減少代理工作流程中的幻覺至關重要。社區共識認為，雖然像 Qwen 這樣的模型表現良好，但代理框架主要通過提前呈現資訊來主導行為，迫使模型根據明確條件而非猜測來行動。

事件背景

代理框架（agent harness）是圍繞大型語言模型的軟體基礎設施，透過管理工具循環和決策邏輯使其能夠作為自主代理運行。代理式 AI 指的是能夠獨立感知、推理和行動的系統，如果無法準確評估自身的不確定性，往往會導致幻覺等問題。

社群觀察

用戶普遍認為這個問題主要是由框架處理的資訊呈現問題，提示詞則有次要影響。部分用戶提到了 Qwen 等特定模型的表現，但強調如果配置得當，任何模型都可以在執行前對用戶進行「拷問」。