論文の概要: Tool Recommendation for Multi-Step Agents: Finding Every Tool a Task Needs

• arxiv url: http://arxiv.org/abs/2610.23707v1
• Date: Fri, 16 Oct 2026 16:30:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 00:56:08.021809
• Title: Tool Recommendation for Multi-Step Agents: Finding Every Tool a Task Needs
• Title（参考訳）: マルチステップエージェントのためのツールレコメンデーション:タスクに必要なツールすべてを見つける
• Abstract要約: マルチステップのエージェントタスクは、ひとつのツールが欠けているときに失敗するが、エージェントが必要とするツールはリストに多すぎる。 エージェントにすべてのエージェントを与えるデプロイシステムであるTool Recommendationを紹介します。 ToolRetでは、Tool Recommendationは、クエリに必要なすべてのツールを、BM25よりも57%高い頻度でトップ10に配置する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A multi-step agent task fails when a single tool it needs is missing, yet the tools an agent may need are too many to list: the roughly 8,200 tools on the platform we study have definitions that together exceed the context window of any model we evaluate. We present Tool Recommendation, a deployed system that gives an agent all of them, hundreds of times more than a typical MCP server exposes, through a fixed interface of three tools. It runs at the gateway between agent and tools, executing every call under the end user's own credentials and checking it against the user's consent for each service and the tools the agent may use. We evaluate it on both a public retrieval benchmark and billed end-to-end session cost. On ToolRet, Tool Recommendation places every tool a query needs in the top ten 57% more often than BM25, a lexical ranking that commercial tool search offers, and compares favorably with published systems up to nine times its size. In paired multi-step workflows, its first recommendation covered every required tool in 93% of Codex sessions, and against a fixed list of 100 tools it cut input tokens by 17% with Codex and 40% with Claude Code and the total bill in all 14 runs, by up to 40%, with no change in task completion.
• Abstract（参考訳）: マルチステップのエージェントタスクは、必要なツールが1つあれば失敗しますが、エージェントが必要とするツールが多すぎるのです。 我々は3つのツールの固定インターフェースを通じて、エージェントに通常のMPPサーバが公開する数百倍のエージェントを提供するデプロイシステムであるTool Recommendationを提案する。 エージェントとツールの間のゲートウェイで動作し、エンドユーザ自身の認証下ですべてのコールを実行し、各サービスとエージェントが使用するツールに対するユーザの同意に反してそれをチェックします。 我々はこれを,公開検索ベンチマークと有償エンドツーエンドセッションコストの両方で評価する。 ToolRetでは、ツールレコメンデーションは、クエリが必要とするツールをBM25よりも57%多い頻度で配置する。 ペア化されたマルチステップワークフローでは、最初の推奨事項として、Codexセッションの93%で必要なツールをすべてカバーし、100ツールの固定リストに対して、Codexで入力トークンを17%、Claude Codeで40%、タスク完了で最大40%の請求書を発行した。

関連論文リスト

• Joint Optimization of Tool Creation and Use for Large Language Model Agents [69.07066297088187]
  SMITH (-grounded Multi-task Iterative Tool Honing) は、単一のポリシー内でツールの作成とツールの使用を訓練する。 SMITHで訓練された4B Qwen3は、正確に検証された13の手続き的推論タスクで、保持されたタスクで平均79.8のマクロ平均精度に達する。 また、TabMWP-Hardでは40.4、ドメイン外のGQAでは42.6に到達している。
  論文  参考訳（メタデータ） (2026-08-25T13:59:34Z)
• ToolAtlas: Learning Once, Reusing Everywhere with Tool-Side Memory [49.08868447320197]
  大規模言語モデル(LLM)エージェントは、共有プロバイダが提供する外部ツールにますます依存している。 既存のアプローチでは、パラメータ更新、プロンプトリファインメント、エージェント側のメモリを通じて、エージェント側のツール使用を改善する。 グラフベースのフレームワークであるToolAtlasを紹介します。
  論文  参考訳（メタデータ） (2026-07-13T06:01:41Z)
• ToolFailBench: Diagnosing Tool-Use Failures in LLM Agents [0.0]
  ToolFailBenchは、ツール使用障害を測定するための診断ベンチマークである。 それぞれのトレースをTool-Skip、Result-Ignore、Output-Fabrication、Unnecessary-Tool-Useとラベル付けします。
  論文  参考訳（メタデータ） (2026-07-06T05:25:21Z)
• SING: Synthetic Intention Graph for Scalable Active Tool Discovery in LLM Agents [64.59100414726556]
  大規模言語モデル(LLM)エージェントは、コンテキスト、ツール、マルチターン実行を管理するハーネスに依存している。 Retrieval-augmented Tool selectionは、自然な代替手段を提供するが、既存のワンショット検索方法は、独立したツール記述とエージェントの真のタスク意図との整合に失敗する。 我々は、ユーザ意図、ツール機能、ツールコラボレーションパターンをリンクするインテントツーオールグラフを構築する、意図認識型のアクティブツール発見フレームワークであるSINGを提案する。
  論文  参考訳（メタデータ） (2026-06-15T11:37:37Z)
• HyperTool: Beyond Step-Wise Tool Calls for Tool-Augmented Agents [52.33697136670754]
  textbfHyperToolは、実行可能なMPPスタイルのツールインターフェースで、ツール実行のモデル可視単位を変更する。 モデルはHyperToolをコードブロックで呼び出し、既存のツールを元のスキーマを通じて呼び出し、返却された値を操作し、中間結果をローカルに渡すことができる。 MCP-Universeでは、HyperToolは平均精度をQwen3-32Bで15.69%から35.29%、Qwen3-8Bで9.93%から33.33%に改善し、GPT-OSSとKimi-k2.5を平均で上回っている。
  論文  参考訳（メタデータ） (2026-06-11T17:56:36Z)
• How Many Tools Should an LLM Agent See? A Chance-Corrected Answer [1.5749416770494706]
  検索システムは、エージェントに示す候補ツールを決定する必要がある。そのショートリストはどのくらいでよいのか? ほとんどのシステムは全てのクエリに固定されたショートリストサイズを適用するが、そのサイズが適切かどうかを評価するための標準メトリクスは存在しない。 我々は、与えられた深さでの成功が、同じ深さでランダム選択が達成されるものよりも優れているかどうかを問う、確率補正された計量であるBits-over-Random(BoR)を評価する。 次に、同じ原則を、クエリ毎のツールショートリスト深さを選択するための強化学習(RL)報酬にします。
  論文  参考訳（メタデータ） (2026-05-23T17:02:56Z)
• TOBench: A Task-Oriented Omni-Modal Benchmark for Real-World Tool-Using Agents [13.027789222320807]
  MM-ToolBenchはタスク指向のOmni-modalツール用ベンチマークと評価ハーネスである。 MM-ToolBenchの中心設計は閉ループマルチモーダル検証である。 15の現代のエージェントモデルの実験では、MM-ToolBenchは非常に難しいままである。
  論文  参考訳（メタデータ） (2026-05-16T09:49:25Z)
• Tool-to-Agent Retrieval: Bridging Tools and Agents for Scalable LLM Multi-Agent Systems [1.2092584191043323]
  ツールと親エージェントの両方を共有ベクトル空間に埋め込む統合フレームワークであるTool-to-Agent Retrievalを紹介する。 ツールの機能を明示的に表現し,メタデータをエージェントレベルにトラバースすることで,ツールからエージェントレベルの詳細な検索が可能になる。
  論文  参考訳（メタデータ） (2025-11-03T18:58:28Z)
• The Tool Decathlon: Benchmarking Language Agents for Diverse, Realistic, and Long-Horizon Task Execution [86.4588675093384]
  Toolathlonは、多様なアプリやツール、現実的な環境設定、信頼性の高い実行ベースの評価を提供する言語エージェントのベンチマークである。 このベンチマークには、手動でソースまたはクラフトされたタスクが108つ含まれており、平均20回以上にわたって複数のアプリと対話する必要がある。 Toolathlonは、より有能な言語エージェントを現実の長期タスク実行のために開発することを期待しています。
  論文  参考訳（メタデータ） (2025-10-29T17:32:49Z)
• Re-Invoke: Tool Invocation Rewriting for Zero-Shot Tool Retrieval [47.81307125613145]
  Re-Invokeは、トレーニングなしで大規模ツールセットに効果的にスケールするために設計された教師なしツール検索手法である。 我々は、クエリ毎に最も関連性の高いツールを特定するために、意図に基づいて、新しいマルチビュー類似度ランキング戦略を採用する。 評価の結果、Re-Invokeはシングルツールとマルチツールの両方のシナリオにおいて、最先端の代替よりも大幅に優れていた。
  論文  参考訳（メタデータ） (2024-08-03T22:49:27Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。