arXiv cs.AI· Aniruddha Chattopadhyay, Kanishka Halder, Partha Sarathi Roy·· 11 小时前AI 评分35
SchemaShield-Lite：无需重训的 LLM 智能体函数调用接口漂移修复层
Robust Function Calling for LLM Agents Under Interface Drift
AI 导读
SchemaShield-Lite 是一种无需训练的修复层，用于应对 LLM 智能体部署后工具描述、参数 schema 与候选工具列表变化引发的接口漂移问题。在 Qwen3.5-9B 上，它将 DICE-300 准确率从 0.717 提升至 0.813，BFCL-200 从 0.580 提升至 0.805，分别挽回 19/22 和 33/45 的漂移致失败且未观察到修复损害。
正文 · AI 翻译
摘要：工具增强型语言模型智能体依赖接口文本：工具描述、参数模式以及推理时展示的候选工具列表。即使底层工具语义保持不变，这些接口在部署后也常常发生变化，给函数调用系统带来了实际的可靠性问题。我们将这一失效模式称为接口漂移，并评估一个轻量级、免训练的修复层能否在不重新训练基础模型的情况下恢复鲁棒性。我们的方法 SchemaShield-Lite 结合了模式验证、针对缺失工具名的候选集重试以及一次性约束修复。在 Qwen3.5-9B 上，它将 DICE-300 准确率从 0.717 提升到 0.813，将 BFCL-200 准确率从 0.580 提升到 0.805，分别恢复了 19/22 和 33/45 个由漂移引发的失败，且未观察到修复带来的损害。简单的重试无法解释这些增益。消融实验表明，候选集漂移（尤其是干扰工具）造成了大部分观察到的损害，而仅修改描述和模式危害较小。这些结果将验证与修复定位为已部署 LLM 智能体工具使用的一种实用鲁棒性层。
| 评论： | 16 页，1 幅图，6 张表。经同行评审并被 NGEN-AI 2026（国际下一代 AI 系统会议）接收。此为评审前提交版本 |
| 主题： | 人工智能（cs.AI）；计算与语言（cs.CL）；软件工程（cs.SE） |
| 引用为： | arXiv:2610.23342 [cs.AI] |
| （或 arXiv:2610.23342v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.23342 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Aniruddha Chattopadhyay [查看电子邮件]
[v1]
2026 年 10 月 16 日星期五 11:49:37 UTC（35 KB）
来源：arXiv cs.AI · arxiv.org