ToolSearcher

ToolSearcher框架为LLM优化大规模工具选择

研究人员推出ToolSearcher，一个新颖的强化学习框架，旨在优化大型语言模型（LLMs）在拥有海量工具库时进行工具选择的效率。该框架解决了LLM在上下文长度限制下难以搜索、区分和组合工具的挑战。关键创新包括类别约束的工具区分、用于改进发现的事件级搜索建模以及用于精炼奖励信号的轨迹对齐信用分配。实验表明，在复杂的多轮工具选择场景中，ToolSearcher的表现优于现有基线。