一项新近发表在arXiv上的研究探讨了大型语言模型代理中工具发现的两种架构:先检索后规划(RtP)和先规划后检索(PtR)。研究发现,RtP对于单工具查询更有效,而PtR在多工具查询方面表现更佳,存在一个依赖于复杂度的交叉点。这一发现适用于各种检索预算、注册表大小以及Gemini 2.5 Flash和GPT-OSS 120B等模型家族。研究还识别出PtR中的一种“存根幻觉”失败模式,并指出PtR大约会使推理成本翻倍,这使得复杂度自适应路由成为一个有前景的方向。 AI
影响 这项研究通过根据查询复杂度调整工具发现策略,为优化大型语言模型代理的性能提供了见解。
排序理由 该集群包含一篇研究论文,详细介绍了对大型语言模型代理架构的研究。[lever_c_demoted from research: ic=1 ai=1.0]
在 arXiv cs.IR (Information Retrieval) 阅读 →
- alphaXiv
- arXiv
- CatalyzeX Code Finder for Papers
- DagsHub
- Gemini 2.5 Flash
- Gotit.pub
- GPT-OSS 120B
- Hugging Face
- Plan-then-Retrieve
- Retrieve-then-Plan
- ScienceCast
- ToolBench
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →