Tunable Tool-Call Rates in LLM Agents via Representation Steering
通过表示调控实现LLM智能体中可调节的工具调用率
机构 * UC Santa Cruz(圣克鲁兹加利福尼亚大学) ; UC Berkeley(加利福尼亚大学伯克利分校)
AI总结 本研究提出通过调控LLM残差流的线性方向,可在推理时无需额外训练调节工具调用率,使开放域问答准确率近翻倍,且能泛化到多种模型与工具。
作者
AI / Security
通过表示调控实现LLM智能体中可调节的工具调用率
机构 * UC Santa Cruz(圣克鲁兹加利福尼亚大学) ; UC Berkeley(加利福尼亚大学伯克利分校)
AI总结 本研究提出通过调控LLM残差流的线性方向,可在推理时无需额外训练调节工具调用率,使开放域问答准确率近翻倍,且能泛化到多种模型与工具。