ToolGate：面向工具增强型视觉语言代理的 Token 高效预调用控制

工具增强的视觉语言代理可通过 OCR、检测等工具获取外部感知证据，但执行所有提议的工具调用成本高昂且常非必要。本文研究预调用控制问题：在 ReAct 风格代理提出调用后，是否应在输出进入上下文前跳过执行。研究发现基线代理缺乏局部选择性，多数调用不改变预测结果。为此，作者提出 ToolGate，一种轻量级外部控制器，基于轨迹文本和结构特征预测执行或跳过决策。实验表明，该方法在跨域场景中显著降低 Token 消耗并保持精度，在同域训练下甚至提升了准确率。