LLM代理知道何时使用工具，但未能付诸行动

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-22 04:00

研究人员开发了一个名为When2Tool的新基准，用于评估大型语言模型（LLM）代理何时应使用外部工具。该基准显示，LLM对其内部的工具必要性具有理解能力，这种能力可以从其隐藏状态中检测到，但在生成过程中未能将这种知识付诸行动。一种名为Probe&Prefill的提议方法利用了这种内部信号，在准确性损失极小的情况下显著减少了不必要的工具调用，其表现优于现有基线。 AI

影响通过减少不必要的工具调用来提高LLM代理的效率，可能降低AI应用的成本和延迟。

排序理由该集群包含一篇学术论文，提出了一种评估LLM代理工具使用的新基准和方法。[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: 0 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇学术论文，提出了一种评估LLM代理工具使用的新基准和方法。[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: 167 days old; Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Chung-En Sun, Linbo Liu, Ge Yan, Zimo Wang, Tsui-Wei Weng · 2026-05-22 04:00

LLM 代理已知道何时调用工具——无需推理

arXiv:2605.09252v2 Announce Type: replace Abstract: Tool-augmented LLM agents tend to call tools indiscriminately, even when the model can answer directly. Each unnecessary call wastes API fees and latency, yet no existing benchmark systematically studies when a tool call is actu…

本文如何被排名

报道来源 [1]

LLM 代理已知道何时调用工具——无需推理

相关实体

相关话题