工具不是孤岛：通过查询条件超边预测对 LLM 代理进行设置级工具检索

大语言模型 (LLM) 代理越来越依赖调用外部工具来完成实际任务。工具检索（在代理执行操作之前从包含数千个工具的库中选择一个与任务相关的小子集）因此已成为 LLM 代理管道的关键组件。然而，现有的检索器要么单独对每个工具进行评分，要么按顺序组装工具集，因此从未将候选集的联合效用作为一个整体进行评估。在本文中，我们提出了 HYSET，即基于 HYperedge 的 SEt 级工具检索的缩写。我们的贡献有三个：（i）我们将工具检索制定为工具协同调用超图上的查询条件超边预测，其中工具集本身成为评分单位，并且大多数现有的检索范例简化为受限实例； (ii) 我们通过基数特定的交互来捕获与大小相关的工具兼容性； （iii）我们将 HYSET 设计为预选模块，无需对下游代理进行修改。 ToolBench 上的实验表明，HYSET 在工具检索性能和端到端任务成功方面始终优于最先进的基线。除了域内设置之外，HYSET 还支持零样本/少样本传输，以最少的监督推广到保留的工具/类别和看不见的域。