استفاده از ابزار

Robust Function Calling for LLM Agents Under Interface Drift

لایه‌ی سبکی که ایجنت را در برابر عوض شدن توضیح و ساختار ابزارها مقاوم می‌کند، بدون آموزش دوباره

ایجنتی که ابزار صدا می‌زند، به متن رابط ابزارها تکیه دارد: توضیح هر ابزار، ساختار آرگومان‌ها و فهرست ابزارهایی که در لحظه‌ی اجرا به او نشان داده می‌شود. این متن‌ها بعد از استقرار سیستم مدام عوض می‌شوند، مثلاً اسم یک آرگومان تغییر می‌کند یا ابزارهای مشابه به فه

Explore Separately, Adopt Selectively: Execution-Guided Tool Use over Large Tool Libraries (BRIA)

خلاصه‌ی فارسی هنوز نوشته نشده است.

Each Reward to Its Relevant Tokens: Reward-Specific Token-Level Credit Assignment for Multi-Reward RL

در آموزش با چند پاداش، هر پاداش فقط به توکن‌هایی برسد که واقعاً به آن مربوط‌اند

مدل‌های زبانی بیشتر و بیشتر با چند پاداش قابل بررسی هم‌زمان آموزش می‌بینند؛ مثلاً درستی و قالب یک فراخوانی ابزار، یا هر کدام از محدودیت‌های یک دستور پیچیده. روش GDPO هر پاداش را جدا نرمال می‌کند، اما سیگنال هر پاداش را به طور یکسان روی کل پاسخ پخش می‌کند، در ح

Knowledge Graphs as Files: An Agent Harness Where Tool Creation and Tool Use Co-Evolve

گراف دانش به شکل فایل: ایجنتی که ابزارهای جست‌وجوی گراف را خودش می‌نویسد و در طول کار بهترشان می‌کند

جست‌وجو در گراف‌های دانش پرمتن یعنی هم دنبال کردن رابطه‌ها و هم بررسی شواهد متنی؛ مثلاً «مقاله‌هایی از نویسندگان دانشگاه X درباره‌ی موضوع Y که به مقاله‌ی Z ارجاع داده‌اند». رابط‌های ازپیش‌تعریف‌شده‌ی گراف، دسترسی ایجنت به شواهد را محدود می‌کنند، حتی وقتی ایجنت

Judges Follow the Reference: The Derivation Gap in Verifying Tool-Call Arguments

داورهای فراخوانی ابزار به مرجع متنی تکیه می‌کنند و مقدار درستی را که منبعش دیده نمی‌شود رد می‌کنند

داورهای فراخوانی ابزار مقدار آرگومان‌هایی را که ایجنت پیشنهاد داده ارزیابی می‌کنند. نویسنده‌ها دیدند وقتی در ورودی داور هیچ متنی نیست که بگوید مقدار باید چه باشد، داور مقدار درست را کمتر می‌پذیرد. این در سه حالت پیش می‌آید: مقدار پیش‌فرض طرح‌واره‌ی تابع است که

RetryBench: Separating Retry Permission from Recovery Outcomes in GPT Tool Use

اجازه‌ی تکرار با بازیابی موفق فرق دارد: ایجنت‌ها گاهی فراخوانی ابزار را بی‌پشتوانه تکرار می‌کنند

وقتی فراخوانی یک ابزار به مهلت زمانی می‌خورد، ایجنت باید تصمیم بگیرد آن را دوباره بفرستد یا نه. اگر قرارداد ابزار اجازه‌ی تکرار امن را ندهد، تکرار می‌تواند کار را دو بار انجام دهد؛ مثلاً یک پرداخت دو بار ثبت شود. نویسنده‌ها این خطا را «اجازه‌ی تکرار نادرست» می

Which Metadata Matters for LLM Tool Selection in MCP? Evidence from Controlled Factor-Level Interventions

کدام فراداده در انتخاب ابزار MCP مهم است؟ اسکیمای پارامترها بیشترین اثر را دارد

در سیستم‌های MCP، مدل زبانی ابزار را از روی فراداده انتخاب می‌کند، نه پیاده‌سازی: نام و توضیح خلاصه می‌کنند ابزار چه می‌کند و اسکیمای پارامترها فیلدهای ورودی و سازمانشان را مشخص می‌کند. تحلیل فراداده‌ی ۳۶۷۱۷۴ ابزار MCP نشان داد ابزارهای مشابه از نظر کارکرد اسک

EPGM: Execution Provenance for Budgeted Agent Memory Retrieval

ای‌پی‌جی‌ام: منشأ اجرا برای بازیابی حافظه‌ی ایجنت با بودجه‌ی محدود توکن

تاریخچه‌ی اجرای ایجنت می‌تواند از پنجره‌ی کانتکست بیشتر شود و سیستم حافظه باید شواهد پشتیبان کامل را زیر یک بودجه‌ی توکن سخت بازیابی کند. شواهد ممکن است در چند رویداد اجرا پخش باشند، اما بازیاب‌های معمول پنجره‌های توکن ثابت و معیارهای k ثابت دارند که به تکه‌ها

Structured Authority Injection: Persistent Human Control for LLM Agents via Typed MCP Overrides (SAI)

خلاصه‌ی فارسی هنوز نوشته نشده است.