论文标题：Tool learning with large language models: a survey

期刊：Frontiers of Computer Science

作者：Changle QU, Sunhao DAI, Xiaochi WEI, Hengyi CAI, Shuaiqiang WANG, Dawei YIN, Jun XU, Ji-rong WEN

发表时间：14 Oct 2024

DOI：10.1007/s11704-024-40678-2

微信链接：点击此处阅读微信文章

引用格式：

Changle QU, Sunhao DAI, Xiaochi WEI, Hengyi CAI, Shuaiqiang WANG, Dawei YIN, Jun XU, Ji-rong WEN. Tool learning with large language models: a survey. Front. Comput. Sci., 2025, 19(8): 198343

阅读原文：

视频介绍

文章概述

使用大型语言模型（LLMs）进行工具学习已成为增强LLMs能力以解决高度复杂问题的一个有前景的范式。尽管这一领域受到越来越多的关注和快速发展，但现有的文献仍然分散，缺乏系统性的组织。因此我们对此领域进行了全面的调研，从整体角度进行了系统回顾。

图1：大语言模型工具学习发展轨迹的示意图。

技术步骤

该综述从两个主要方面（1）为什么工具学习是有益的；（2）如何实现工具学习，从而全面理解大语言模型工具学习。我们首先通过从六个具体方面回顾集成工具的好处和工具学习范式的固有好处来探索“为什么”。在“如何”方面，我们根据工具学习流程的四个阶段系统回顾了现有工作：任务规划、工具选择、工具调用和响应生成。

图2：使用大语言模型进行工具学习的工作流程。

总结

此外，我们还提供了现有基准和评估方法的详细总结，根据它们与不同阶段的相关性进行分类。最后，我们讨论了当前的挑战并概述了潜在的未来方向，旨在激发研究人员和工业开发者进一步探索这一新兴和有前景的领域。

图3：不同基准及其具体配置的详细列表。

中国学术前沿期刊网

http://journal.hep.com.cn