ToolAtlas框架通过提供方侧记忆增强LLM代理工具的复用性

研究人员推出ToolAtlas，一个新颖的基于图的框架，旨在增强大型语言模型（LLM）代理工具知识的可复用性。与现有侧重于代理端优化的方法不同，ToolAtlas将可复用的工具知识集中在提供方侧，创建了一个持久的工具能力、限制和组合记忆。这种提供方侧记忆允许代理查询工具信息，从而在无需重新训练或任务特定探索的情况下，显著提高各种基准测试和代理框架的任务完成率。 AI

影响 该框架可能显著提高LLM代理工具集成的效率和可复用性，从而可能带来更强大、更具适应性的AI系统。

排序理由 该集群包含一篇详细介绍LLM代理新框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• Gotit.pub
• Hugging Face
• IArxiv
• LLM
• MCP
• ScienceCast
• ToolAtlas

• 论文
• 基础设施

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →