Tassa sull'uso degli strumenti negli agenti LLM: quando il ragionamento potenziato fallisce

Un nuovo studio da arXiv (2605.00136) mette in discussione il consenso secondo cui il ragionamento potenziato da strumenti migliora sempre gli agenti LLM. Gli autori dimostrano che, in presenza di distrattori semantici, il ragionamento potenziato da strumenti non supera necessariamente la catena di pensiero nativa (CoT). Propongono un quadro di intervento fattorizzato per isolare i costi di formattazione del prompt, l'overhead del protocollo di chiamata degli strumenti e i guadagni effettivi dell'esecuzione. L'analisi rivela un compromesso critico: sotto rumore semantico, i guadagni degli strumenti spesso non compensano la 'tassa sull'uso degli strumenti'—il degrado delle prestazioni dovuto al protocollo di chiamata stesso. Per mitigare ciò, introducono G-STEP, un gate leggero a tempo di inferenza che recupera parzialmente le prestazioni, sebbene siano necessari miglioramenti più sostanziali.