Apple 研究对比工具检索架构:先规划再检索能否胜过先检索
Apple ML Research · rss · 2026-10-15
Apple ML Research 发布关于工具增强 LLM agent 工具发现架构的规模研究。当前主流范式是 Retrieve-then-Plan(RtP):将用户查询向量化,通过近似最近邻搜索从大型 API 注册表中检索相似工具,再交由 LLM 规划执行——因为有限上下文窗口无法注入全部工具定义。
研究提出并评估了另一种范式 Plan-then-Retrieve(PtR):LLM 先生成“抽象工具桩”(Abstract Tool Stubs,即描述所需能力质量的假设函数签名),再以这些桩作为检索查询去注册表中匹配真实工具。
论文在多个规模设置下对比两种架构的工具发现效果,为 agent 工具调用的工程选型提供实证依据。
「编程与Agent」频道最新
- 用 AGY Rules 与 PreInvocation Hook 实现多聊天目录隔离 — bibryam · 2026-10-16
- 用 Gemini 玩 Minecraft 模组:游戏内变身任意蜘蛛侠 — zacharynado · 2026-10-16
- 截图丢进 tldraw 标注问题再喂给 Claude:UI 改进工作流 — max__drake · 2026-10-16
- 从聊天框到「交互指挥家」:动态多模态 AI 应用设计思路 — dr_cintas · 2026-10-16
- IBM 工程师亲测五级 AI 编码:7 个并行 agent 各建分支再合并 — TejasKumar_ · 2026-10-16
- 10 个让 AI Agent 拆解应用与游戏的开源逆向工具仓库 — victor_explore · 2026-10-16