跳到正文
arXiv · ML· Xiaoyang Ye, Xiao Yao, Hairui Zhu, Yiying Yang, Bei Gan, Jinliang Lu, Tengjin Weng, Yuan Yao, Wenhao Jiang·· 10 天前AI 评分30

CARE-PO 提出可控工具调用效率方法,优化 LLM 智能体表现

CARE-PO: Controllable Tool-Call Efficiency for LLM Agents

AI 导读

针对 LLM 智能体训练易陷入零工具调用或单一操作点的问题,CARE-PO 提出基于任务难度的固定参考预算,并通过提示词标签实现效率与能力的双重可调。在 GAIA 基准测试中,CARE-PO 在 27B 和 4B 规模上同时提升了成功率并降低了调用次数,9B 规模则存在性能取舍。该方法已提交至 ICLR 2027 审稿。

来源:arXiv · ML · arxiv.org