TRACER：基于调用轨迹索引的LLM Agent工具检索方法

Tanish Kher 等发布 TRACER 论文，提出一种面向 LLM Agent 的工具检索前端：用 trie 索引已观察到的工具调用序列，再用经验先验与上下文先验的混合排序选出下一步工具，而不是把全部工具注册表塞进上下文。作者称，在一个混合零售与电信的 τ² 环境中，TRACER 将 GPT-5.4 的工具选择准确率提高 4.7 个百分点，同时每步输入 token 减少 80%，只暴露 128 个工具中的 5 个。 跨环境评测方面，作者称在六个环境、四个模型共 24 个模型-环境组合中，TRACER 有 21 个组合的工具选择准确率优于全注册表选择，平均提升 6 到 10 个百分点；其余 3 个组合落后至多 2.2 个百分点。以上数字均来自论文作者声称，本材料基于论文摘要。

AI 根据报道生成 · 3 小时前更新