Tool Learning with Large Language Models: A Survey

最近，利用大型语言模型（LLMs）进行工具学习已经成为增强LLMs解决高度复杂问题能力的一种有前途的范式。尽管这个领域受到越来越多的关注和快速发展，但现有的文献仍然零散并且缺乏系统性组织，对新手构成了障碍。这种差距激励我们对现有的LLMs工具学习文献进行全面调查。在这项调查中，我们着重从两个主要方面（1）为什么工具学习有益和（2）工具学习如何实现来审查现有文献，以实现对LLMs工具学习的全面理解。我们首先通过审查六个具体方面的工具集成和工具学习范式的固有优势来探讨“为什么”。在“如何”方面，我们根据工具学习工作流程中的四个关键阶段（任务规划、工具选择、工具调用和响应生成）的分类系统系统地审查文献。此外，我们提供了现有基准和评估方法的详细总结，根据它们与不同阶段的相关性进行分类。最后，我们讨论了当前的挑战并概述了潜在的未来方向，旨在激励研究人员和工业开发人员进一步探索这个新兴和有前途的领域。

综述了大语言模型（LLMs）中工具学习的现状和挑战，为新手提供了系统的组织框架。

综述了工具学习的优势和实现方式，提出了四个关键阶段的工具学习工作流程，并总结了现有的基准和评估方法。

论文详细探讨了工具学习的优势和实现方式，提供了分类详细的工具学习工作流程，并总结了现有的基准和评估方法。

最近相关的研究还包括《Large Scale Language Model Compression》、《Improving Language Understanding by Generative Pre-Training》等。