尝试、检查与重试：一种提升大语言模型长上下文工具调用性能的分治框架

工具调用赋予大语言模型与外部环境交互的能力，但现有方法在处理长上下文任务中海量且嘈杂的候选工具时表现不佳。为此，本文提出 Tool-DC，一种基于“尝试 - 检查 - 重试”范式的分治框架，旨在降低推理难度并充分利用模型的自我反思能力。该框架包含免训练和基于训练两种变体。实验表明，两者均显著优于基线方法，其中免训练版本在基准测试中平均提升达 25.10%，而基于训练版本使小型模型性能媲美专有闭源模型。