大型语言模型（LLMs）在人工智能领域引发了革命性变革，展示了出色的语言处理和生成能力。从客户服务自动化到创意内容生成，LLMs已经在各个领域找到了应用。然而，它们有效利用外部工具的能力一直是一个重大挑战。
挑战在于外部工具文档的不一致、冗余，有时甚至不完整。这些限制妨碍了LLMs充分发挥外部工具的潜力，而这些工具对扩展其功能范围至关重要。虽然以往的方法试图通过微调模型或基于提示的方法来解决这个问题，但可用文档的质量往往影响了LLMs对工具的有效利用。
为了克服这些障碍，复旦大学、微软亚洲研究院和浙江大学的研究人员引入了一种开创性的框架，名为“EASY TOOL”。这个框架旨在简化和规范LLMs的工具文档，是提升它们实际应用的一大进步。
“EASY TOOL”的方法包括两个方面。首先，通过消除不相关信息，将原始的工具文档简化，并仅关注每个工具的核心功能。这种方法确保了工具的目的和效用得到突出，没有任何不必要的杂乱信息。其次，“EASY TOOL”通过结构化、详细的工具使用说明增强了这些简化的文档。它提供了所需和可选参数的全面概述，以及实际示例和演示。这种双重方法不仅能够准确地调用工具，还能增强LLMs选择并有效应用这些工具的能力。
实施“EASY TOOL”在现实应用中显著改善了基于LLMs的代理程序的性能。它显著减少了令牌消耗，使LLMs的处理和响应生成更加高效。此外，这个框架提高了LLMs在各种任务中工具利用的整体性能。值得注意的是，即使在没有工具文档的情况下，它仍使这些模型能够有效运行，展示了该框架泛化和适应不同背景的能力。
FAQ
The source of the article is from the blog radardovalemg.com