香港城市大学研究发现，Agent评测中的工具调用率受“模型加接口栈”整体影响，接口错配会静默丢弃调用，导致分数失真。实验显示，仅更换接口配置，同一模型分数可从0.00变至0.96。机制上，单独修改模板或解析器无效，需两者匹配。此问题也影响训练信号，但修复接口仅恢复测量，不提升模型能力。