arXiv NLP·17 天前★ 3

TRACER：面向 LLM 智能体的轨迹感知工具检索

原文标题：TRACER: Trajectory-Aware Tool Retrieval for LLM Agents

重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。

AI 智能摘要

论文提出 TRACER 检索前端，用 trie 索引历史工具调用序列并排序后续候选。在零售与电信混合环境中，它将 GPT-5.4 工具选择准确率提升 4.7 个百分点，每步输入 token 减少 80%，仅暴露 128 个工具中的 5 个。

论文速读 · 四段结构cs.AI去论文速读 →

问题: 向智能体暴露完整工具注册表token成本高，且工具增多时选择质量下降。
方法: TRACER用trie索引历史工具调用序列，以经验先验与上下文先验的学习融合对后续候选排序，只暴露少量工具。
结果: 在零售与电信混合τ²环境，GPT-5.4工具选择准确率提升4.7个点，每步输入token减少80%，仅暴露128个工具中的5个；24个模型-环境对中21个优于全注册表选择，平均提升6至10个点。
影响: 工具检索前端可显著降本增效，适合工具规模大的智能体产品直接落地。

深读 · 结论先行AI 生成展开看要点与影响 ↓

TRACER用trie索引历史工具调用，GPT-5.4工具选择准确率提升4.7点，每步输入token减少80%。

为什么重要：工具注册表膨胀会同时推高token成本并损害选择质量，TRACER说明检索前端可在不牺牲成功率的前提下大幅压缩暴露面。

以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。

AI 处理过程展开/收起

原始标题：TRACER: Trajectory-Aware Tool Retrieval for LLM Agents

AI 中文标题：TRACER：面向 LLM 智能体的轨迹感知工具检索

来源：arXiv NLP · 发布于 17 天前

分类：学术研究 · AI 重要度：★ 3（3）

标签：工具检索 / LLM 智能体 / 上下文优化 / 推理效率

关键词：LLM 智能体工具检索 / TRACER / 工具选择 / 智能体效率

AI 处理：2026/10/16 12:01:47 · 模型 deepseek-chat · 规则版本 2026-10-10.1

AI 生成以上内容由 AI 自动生成：中文标题、摘要、分类与重要度；同一事件的多家报道会自动归并展示。内容仅供参考，可能存在偏差，请以原文为准，不构成任何投资或专业建议。
版权归原作者与原发布平台所有；若涉及侵权或信息错误，请在举报与侵权投诉页反馈，我们会及时处理。

相关推荐