arXiv cs.AI· Zekai Li, Zhenke Liu, Yonghao Li, Junhan Liu, Xulong Xiao, Jiapeng Zhang·· 11 小时前AI 评分34
LIBRA：通过运行时组装自动归纳可执行工具库
LIBRA: Programmatic Induction of Executable Tool Libraries
AI 导读
LIBRA 将扁平工具目录转为可执行工具库，由 LLM 提出每个工具的调用契约、可复用输出、状态变更与成功条件，并在沙箱中验证组合关系后保留运行时成立的部分。该工具库在用户查询前构建，无需依赖标注、工具使用轨迹或任务特定训练，支持一次性与智能体式检索。
正文 · AI 翻译
摘要：大型语言模型智能体越来越多地从大型目录中检索工具，但大多数检索器仅根据请求相似度对每个工具独立排序。对于多工具任务，这种方式会检索到与目标匹配的工具，却遗漏了此 http URL所需的前置工具。本文提出 LIBRA，一个通过运行时组装进行工具库归纳的框架，可将扁平的工具目录转化为可执行的工具库。LLM 为每个工具提出候选调用、可复用输出与状态变更以及成功条件的契约；随后 LIBRA 在沙箱中测试这些组合，并保留运行时支持的关系。该工具库在用户查询之前构建，无需依赖标注、工具使用轨迹或任务特定训练，并同时支持一次性检索和智能体式检索。在 AppWorld、BFCL 和 SciToolEval 上，LIBRA 相比同一稠密检索器，将一次性检索的 Recall 和 NDCG 平均分别提升 7.9 和 3.7 个百分点。在 ToolReAGt 中，经过十次检索迭代后，相应增益分别为 4.5 和 2.9 个百分点。
| 评论： | 10 页，5 幅图。介绍 LIBRA，一个与查询无关的工具库，通过在沙箱中经执行验证的前置条件构建（平均 ARR 评审分数：3.5/5）。在三个基准上展示了一致的性能提升，同时讨论了沙箱依赖和工具库构建的权衡 |
| 主题： | 软件工程（cs.SE）；人工智能（cs.AI）；信息检索（cs.IR） |
| 引用为： | arXiv:2611.05445 [cs.SE] |
| （或 arXiv:2611.05445v1 [cs.SE] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.05445 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Zhenke Liu [查看电子邮件]
[v1]
2026 年 11 月 3 日星期二 16:57:04 UTC（1,672 KB）
来源：arXiv cs.AI · arxiv.org