超越静态工具：面向科学推理的测试时工具进化

摘要

AI for Science的核心挑战不仅是推理本身，而是在开放的科学世界中创造计算方法的能力。现有基于LLM的代理依赖静态、预定义的工具库，这一范式在工具稀疏、异质且本质上不完整的科学领域根本行不通。本文提出Test-Time Tool Evolution（TTE），一个让代理在推理过程中合成、验证并进化可执行工具的新范式。通过把工具从固定资源转变为问题驱动的产物，TTE克服了静态工具库的僵化与长尾局限。为支持严格评测，我们提出SciEvo，一个包含1,590个科学推理任务、由925个自动进化工具支撑的基准。大量实验表明，TTE在准确率与工具效率上均达到最先进水平，同时实现计算工具的有效跨域适配。代码与基准已发布于 https://github.com/lujiaxuan0520/Test-Time-Tool-Evol。

超越静态工具：面向科学推理的测试时工具进化 — 图2：Test-Time Tool Evolution（TTE）框架的架构。该系统通过包含五个集成阶段的闭环工作流运行。(1) Structured Task Decomposition（结构化任务分解）：Problem Analyzer 将复杂的科学查询分解为一系列可执行的子目标。(2) Dynamic Tool Retrieval（动态工具检索）：系统向 Dynamic Tool Registry 查询已有的原子工具。若检索失败，则触发 (3) Generative Tool Synthesis（生成式工具合成）：Tool Synthesizer 即时创建候选工具，并经 Tool Verifier 严格验证。(4) Atomic Tool Refinement（原子工具精炼）：通过验证的工具由 Atomic Decomposer 解耦为可复用的原子单元，经 Redundancy Checker 过滤后注册以更新工具库。(5) Runtime Execution Engine（运行时执行引擎）：一旦所有步骤所需的工具均被成功检索或生成，Tool Executor 便执行该工具序列以合成最终答案。