arXiv · cs.AI· Xiangxi Tian, Ran Guan·· 2 天前
Toollery：将LLM智能体扩展至数千项技能与工具
Toollery: Scaling LLM Agents to Thousands of Skills and Tools
arXiv:2609.22218v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Xiangxi Tian, Ran Guan
研究任务与主要进展
Toollery提出一种无需训练的技能与工具候选压缩框架，通过为每项能力规格生成用户意图查询并建立检索索引，在最终LLM决策前将在线候选限制为紧凑的top-K集合。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org