PruneTIR：面向高效工具集成推理的推理时工具调用剪枝

工具集成推理（TIR）使大语言模型能通过外部工具增强能力，但如何在推理阶段进一步提升已有工具能力模型的推理水平尚待探索。本文提出 PruneTIR 框架，无需额外训练，通过成功触发剪枝、停滞触发重采样及重试触发暂停三种机制，动态修剪轨迹、重采样工具调用并暂停无效工具使用。该方法有效缓解错误调用的负面影响，防止模型陷入失败循环，显著提升 Pass@1 指标与推理效率，同时减少上下文长度。