HYSET 按「工具组合」打分选工具，任务解决率升至 69.9%
DeepLearningAI · x · 2026-10-16
DeepLearning.AI《The Batch》介绍了上海交大与香港理工研究者提出的 HYSET：当 LLM agent 面对上千个工具时，不再逐个按相关性挑工具，而是以「集合」为单位构建、评分并选出最佳工具组合。
核心洞察：工具的价值取决于其他可用工具——比如订机票+订酒店+查天气+换汇的复合任务，若按单项相关性排序，列表会被一堆航班 API 刷屏，天气等工具被挤到末尾。
做法：用冻结的 Qwen2.5-1.5B 编码器嵌入查询，训练一个小型评分模型，包含 query-set 对齐（工具集与查询相关性）和 set-level scoring（集合内工具兼容性）两部分；在约 1.4 万工具、20 万指令的 ToolBench 上训练，用 LLM-as-Judge 的奖励做 reward-weighted 自训练。
效果：Recall@5 从 81.4% 提升到 88.6%，任务解决率从 61.8% 提升到 69.9%。
「编程与Agent」频道最新
- raylib 6.2 发布：本想打小补丁，却带来 300+ 项改进与百位新贡献者 — jsuarez · 2026-10-16
- 开发者吐槽：vibecoding 这个词和 AI、SI 一样词不达意 — eschadiol · 2026-10-16
- 开发者把 Pstack 跑成 Grok 机器人审计自家代码，揪出一串隐性 bug — alexcovo_eth · 2026-10-16
- Doc2Harness 基准：19 个前沿模型测编码 Agent，最高通过率仅 53% — _akhaliq · 2026-10-16
- Perplexity 开源 Agent 沙箱平台 SPACE：每个任务独立 Firecracker 微虚拟机 — perplexity_ai · 2026-10-16
- 黑石集团全面采用 Factory 平台做自主软件开发 — matanSF · 2026-10-16