研究人员开发了ToolLIFT，一个旨在提高大型语言模型（LLM）代理工具规划可泛化性的新框架。ToolLIFT通过将工具使用轨迹提升到函数级工作流图（FWG）来解决现有方法创建工具特定图的局限性。该FWG捕获了不同工具之间的共享工作流结构，从而实现更具可迁移性的规划。该框架包含一个轨迹提升机制、解耦的工作流规划和工具选择，以及具有专门奖励的强化学习（RL），以确保可追溯的信息流。实验表明，ToolLIFT的性能优于当前基线，尤其是在具有未见过工具集的分布外场景中。 AI
影响 该框架可能催生出更具适应性和可泛化性的LLM代理，能够更有效地利用更广泛的工具。
排序理由 该集群描述了一篇论文中提出的新研究框架及其实验结果。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
