مدلهای زبانی بزرگ (LLM) برای انجام کارهای پیچیده، مدام با ابزارهای مختلف درگیر هستند. مشکل اینجاست که اکثر سیستمهای فعلی، ابزارها را تکبهتک انتخاب میکنند و به «هماهنگی» کل ابزارها با هم توجهی ندارند.
محققان در مقاله جدیدی، مدل «HYSET» را معرفی کردهاند که با استفاده از نظریه گراف، ابزارها را بهصورت یک «مجموعه یکپارچه» انتخاب میکند. این یعنی مدل میتواند تشخیص دهد کدام ترکیب از ابزارها برای حل یک مسئله خاص، بهترین عملکرد را کنار هم دارند. نتیجه؟ دقت بالاتر و موفقیت بیشتر در وظایف واقعی (Agentic Tasks)!
💡 این روش بدون نیاز به تغییر در ساختار مدل اصلی، به عنوان یک لایه پیشانتخاب عمل کرده و کارایی ایجنتهای هوشمند را به شدت افزایش میدهد.
منبع: arXiv AI