摘要
针对大语言模型代理在复杂动态现实中难以有效整合工具的问题，本文提出 ToolVerse 框架。该框架基于近 400 个真实世界协议自动构建包含约 4500 种工具的大规模可执行训练环境。通过工具依赖图策略及动态解锁采样算法，生成长程任务数据集 GUST。此外，提出细粒度轮次感知相对优势算法以缓解长程强化学习中的信用分配难题。实验表明，该框架显著增强了代理在长程工具使用及动态环境推理方面的能力。
AI 推荐理由
论文核心在于构建大规模工具环境并提升 Agent 在长程任务中的工具集成与使用能力。
研究机构
1Peking University, Beijing, China
2Fudan University, Shanghai, China
3Wuhan University, Wuhan, China
论文信息