GIST-CMTF：面向大语言模型代理因果最小化工具过滤的目标状态推断

工具增强型大语言模型代理依赖运行时过滤来决定可见工具。现有因果最小化工具过滤（CMTF）假设用户请求已映射为符号目标状态，但在处理模糊请求时易导致错误目标执行。本文提出 GIST-CMTF，引入目标状态推断层，预测候选符号目标并评估歧义性，必要时通过澄清行动获取缺失变量。实验表明，该方法在七个模型后端上任务成功率达 97.0%，显著降低错误目标执行率，同时保持因果过滤的单工具暴露优势并减少令牌消耗。