arXiv cs.CL· Uiji Hwang, Richeng Xuan, Taeuk Kim·· 2 天前AI 评分32
重新审视工具图记忆在多轮工具调用中的作用
Rethinking the Role of Tool Graph Memory in Multi-Turn Tool Use
AI 导读
研究在九个模型和两个基准上评估工具图记忆，发现其相较基线很少带来显著提升，且即使有效也需付出超过两倍的 LLM 调用成本。其引导常不正确，随机或无引导仍保留大部分增益，说明收益来自额外计算而非记忆本身；将相同经验存为文本洞察则以几乎零额外调用超越工具图记忆。
正文 · AI 翻译
摘要：大型语言模型（LLM）智能体通过多轮调用外部工具来解决复杂任务。近期研究提出了工具图记忆，将过往经验存储为工具转换，以指导后续选择。然而，这一组件究竟是持续提升智能体的工具使用能力，还是会削弱它，目前尚不清楚。我们在九个模型和两个基准上评估了工具图记忆，发现它很少能显著优于基线，而且即便有增益，其代价是超过两倍的 LLM 调用次数。该记忆给出的指导往往不正确，而随机指导或无指导仍能保留大部分增益，这意味着收益来自额外的计算，而非记忆本身。此外，即使建议了正确的下一个工具，许多失败仍然存在，例如不调用工具就放弃。将同样的经验改为存储为文本洞察，其表现优于工具图记忆，且几乎不增加 LLM 调用次数。这表明，记忆更适合作为软性先验，而非对下一个工具的规定，从而带来更有效、更具泛化性的解决方案。
| 主题： | 计算与语言（cs.CL）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.21571 [cs.CL] |
| （或 arXiv:2610.21571v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.21571 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Uiji Hwang [查看电子邮件]
[v1]
2026年10月15日星期四 09:24:30 UTC（201 KB）
来源：arXiv cs.CL · arxiv.org