PORTS

新的PORTS方法通过偏好学习优化LLM工具选择

研究人员开发了PORTS，一种用于训练检索器以更好地为大型语言模型（LLM）选择外部工具的新方法。该方法使用偏好优化技术，通过优化工具选择概率与下游性能之间的相关性，使检索器与LLM的需求保持一致。PORTS还强制执行文档字符串之间的对比语义损失，提高了检索器查找有用工具的能力。跨多个数据集、编码器模型和LLM的实验证明了PORTS的多功能性和工具选择精度的显著提高，其计算需求低，能够泛化到新查询和工具。