研究人员开发了SCOUT(Selective Context Optimization for Universal Tooling,通用工具选择性上下文优化)系统,旨在解决大型语言模型(LLM)代理在上下文工程和工具发现方面的挑战。SCOUT将工具暴露重构为上下文选择问题,仅为当前步骤注入相关工具。这种方法显著减少了令牌消耗和推理成本,正如在PayPal的生产环境中得到验证,该系统实现了99%的工具令牌使用量削减。SCOUT是模型无关的,并且不需要客户端修改,可以作为标准的MCP工具运行。 AI
影响 通过优化工具选择,降低LLM推理成本,提高企业应用的效率。
排序理由 该集群描述了一篇关于LLM代理新系统的研究论文。
在 arXiv cs.IR (Information Retrieval) 阅读 →
- BM25
- Large language model (LLM) agents
- Model Context Protocol (MCP)
- PayPal
- Reciprocal Rank Fusion
- SCOUT
- alphaXiv
- CatalyzeX Code Finder for Papers
- Connected Papers
- DagsHub
- Gotit.pub
- Hugging Face
- large language model
- Litmaps
- MCP
- Model Context Protocol
- ScienceCast
- scite Smart Citations
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →