研究人员推出了一种名为ProgAgent的新训练框架，旨在改进大型语言模型（LLM）在复杂、长周期任务中编排工具的能力。与可能遭受上下文衰减的传统直接工具调用（DTC）方法不同，ProgAgent通过可执行代码调用工具并在运行时变量中管理中间结果，从而利用程序化工具调用（PTC）。该方法在合成任务集上进行训练，与基线模型相比，已显示出更高的成功率，特别是在LOCA-bench上取得了30.7%的通过率，而其他模型得分为零。 AI
影响 这项研究可能带来更强大的LLM代理，能够更可靠地处理复杂的、多步骤的任务。
排序理由 该集群描述了一篇详细介绍LLM新训练框架的新研究论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2610.14774v1 Announce Type: new Abstract: Large language models (LLMs) are increasingly expected to orchestrate diverse tools over long-horizon tasks. Existing agents typically use Direct Tool Calling (DTC), where the model invokes tools sequentially, and tool responses acc…
Large language models (LLMs) are increasingly expected to orchestrate diverse tools over long-horizon tasks. Existing agents typically use Direct Tool Calling (DTC), where the model invokes tools sequentially, and tool responses accumulate in the model context, which can lead to …