摘要
本文挑战了 LLM Agent 因上下文拥挤而忽略正确工具的直觉假设。研究表明，模型在 80% 的失败案例中已关注到正确工具定义，错误源于决策读取阶段而非信息检索。通过提示修复、表示不变性干预及无训练选择器三种方法，证实瓶颈位于读取机制。提出的基于注意力的选择器显著提升了工具选择准确率，揭示了工具调用失败的根本原因并提供了有效解决方案。
AI 推荐理由
论文核心研究 LLM Agent 工具选择失败的机制，直接针对技能学习中的工具调用环节。
研究机构
北京信息科技大学
论文信息