English(EN) Beyond Semantic Similarity: Reducing Unnecessary API Calls via Behavior-Aligned Retriever

新的 BAR 方法通过对齐行为而非仅语义来改进 LLM 工具使用

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-01 04:00

研究人员开发了一种名为行为对齐检索（BAR）的新方法，以提高工具增强型大型语言模型（LLM）的可靠性。与仅依赖语义相似性来检索示例的现有方法不同，BAR 教会检索器考虑示例的行为兼容性。这种方法旨在通过确保检索到的示例与 LLM 的工具使用行为保持一致，来减少不必要的 API 调用并防止不可靠的输出。当应用于 BERT、Contriever 和 Qwen 等不同的检索骨干时，BAR 在各种 LLM 和基准测试中都显示出了一致的改进。 AI

影响通过减少错误的工具使用和 API 调用成本来增强 LLM 的可靠性，有可能提高 AI 应用的效率和准确性。

排序理由该集群描述了 arXiv 上发表的一篇学术论文中提出的一种新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

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

本文如何被排名

Signal score: 24 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群描述了 arXiv 上发表的一篇学术论文中提出的一种新方法。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Yixin Chen, Ying Xiong, Shangyu Wu, Yufei Cui, Xue Liu, Nan Guan, Chun Jason Xue · 2026-09-01 04:00

超越语义相似性：通过行为对齐检索器减少不必要的 API 调用

arXiv:2508.14323v3 Announce Type: replace Abstract: Tool-augmented LLMs invoke external functions to extend their capabilities, but errors in the invocation decision, such as calling a tool when none is needed or omitting a needed call, can produce unreliable outputs and unnecess…

本文如何被排名

报道来源 [1]

超越语义相似性：通过行为对齐检索器减少不必要的 API 调用

相关实体

相关话题