摘要
工具的使用使大型语言模型（LLM）代理能够与现实世界互动并解决复杂任务。然而，现有的代理框架主要依赖由原子动作（如基本文件I/O或单轮搜索）组成的静态工具集，这迫使代理在每个重复工作流中重新发明低级逻辑，导致推理开销和失败率增加。
本研究提出，代理可以通过将这些原子动作合成为可重用的标准操作程序（SOPs）来实现自我进化，这些程序作为可调用的高阶工具，封装了多步骤逻辑。我们进一步介绍了EvoSOP框架，该框架使代理能够从执行轨迹中提取SOP，并通过构建、合并、评估和修剪的系统生命周期迭代优化工具集。大量实验表明，EvoSOP显著提高了任务成功率，同时大幅减少了与基准相比的交互轮次。我们的分析还表明，迭代工具优化促进了可靠和高效的工具使用模式，为自我进化代理的发展提供了可扩展的路径。
博主点评： 本文提出的EvoSOP框架在LLM代理的工具使用方面开辟了新的思路，通过将原子动作转化为SOP，显著提升了效率和成功率，展示了自我进化的潜力，值得在实际应用中深入探索。