一篇大模型Agent工具使用全面研究综述

主要观点总结

本文主要介绍了使用大型语言模型（LLMs）进行工具学习的现状。现有的文献仍然缺乏系统性的组织，因此进行了全面的调查。从两个方面展开：（1）为什么工具学习是有益的；（2）如何实现工具学习。根据工具学习工作流程中的四个关键阶段对文献进行了系统性审查：任务规划、工具选择、工具调用和响应生成。同时介绍了相关的评估指标。

关键观点总结

关键观点1: 使用大型语言模型进行工具学习的意义

工具学习是增强LLMs能力以解决高度复杂问题的一个有希望的范式。尽管该领域受到关注并快速发展，但文献仍然分散，缺乏系统性组织。因此，全面调查LLMs的工具学习方面具有重要意义。

关键观点2: 工具学习的两个阶段

工具学习的两个主要方面是：为什么工具学习是有益的，以及如何实现工具学习。

关键观点3: 工具学习工作流程的四个关键阶段

根据文献，工具学习工作流程被系统性地划分为四个关键阶段：任务规划、工具选择、工具调用和响应生成。每个阶段都有其特定的的重要性和方法。

关键观点4: 工具学习的评估指标

对工具学习的评估包括任务规划评估、工具选择评估、工具调用评估和响应生成评估。具体的评估指标如工具使用意识、任务规划效果、召回率、归一化折扣累积增益、完整性等被用来衡量LLMs在工具学习方面的表现。