标签
一份教育性讲解，介绍从用户发送消息到聊天机器人作出回复之间发生的过程，涵盖分词、上下文窗口、对话记忆、分块与嵌入、RAG 检索、系统提示词、函数调用和安全评估。
PORA 提出了一种配对结果引导的推理分配方法，让 LLM 智能体学习在何种状态与剩余预算下使用长推理更划算，在 BFCL memory 等任务上大幅提升性能并显著节省 token 与模型请求。
一位从业者权衡了三种为聊天智能体的现有工具添加持久知识库电子表格的方案，倾向于新建一个专门的 analyze_knowledge_spreadsheet 工具，配合清晰的路由说明和路由测试，同时向社区征集是否有遗漏的方案。
哥伦比亚大学 Agentic Engineering 课程第 5 讲「Agent tools in pictures」的深度解读，221 分钟内容系统讲透工具的本质、一次调用的完整链路、五种工具打包方式（函数/CLI/Skill/MCP/代码执行）以及安全与工程判断，核心命题是「模型写订单，程序做菜——提示词不是锁，代码才是锁」。
ToolRACER 提出了一套合成数据生成流程，通过仿真用户、助手与工具之间的交互，生成对抗性多轮对话轨迹，用于训练面向任务的稳健智能体；同时发布了 ToolRACERBench 基准，包含覆盖六个领域的 5.6K 条轨迹，其中约 66% 为易失败场景。在该数据上训练的模型在 τ²-bench 和 ACEBench 上表现出更高的准确率。
Mosaic 是一个面向扩散语言模型（DLM）的受限解码框架，能够在 JevBench 等函数调用基准测试中显著提升性能，并与 vLLM、SGLang 和 Hugging Face 兼容，支持 DiffusionGemma、LLaDA2 等多种模型。
文章认为，随着 agent 的工具集不断膨胀，直接调用工具的方式会逐渐失效。更稳健的解决方案是让模型在沙箱中编写代码，把工具当作函数来调用——这能减少上下文中的 schema 噪音、降低错误调用率，代价则是需要关注沙箱安全问题。
本研究通过引入合成数据集并微调模型，扩展了 FunctionGemma 270M 以应用于实际的设备端 Android 工作流，实现了函数调用准确性的提升，同时平衡了性能和覆盖范围。
Google AI 开发者展示了如何使用 Gemini 3.8 Live Extended Thinking 构建一个编程导师，该导师通过分析屏幕并引用 p5.js 库来辅助调试。
本文介绍了一种封闭世界解决方案，用于应对LLM代理中的工具幻觉，并提供了一个分类体系和基准测试，以测量和解决虚构的工具调用。
Cactus Needle 3是一个小巧、可切片的基础模型，专为自动化任务设计，可在设备上运行，在函数调用和结构化提取方面达到与更大模型相当的性能。
由 typesafe AI 提供的 Jev 支持函数调用在用户输入时实时执行，无需等待回车键，即可理解意图和参数。
本文提出了一种面向边缘-云系统中功能调用LLMs的碳感知路由框架，在保持云级准确性的同时，将运营碳排放平均减少4倍。
一篇研究论文提出了一种方法，使用通过SLERP合并的单独GRPO专家来训练较小的自托管LLM，该LLM在企业任务上优于更大的基线模型，并以更低的成本服务一半的平台流量。
Liquid AI 发布了针对其 LFM 系列的 DSpark 草稿模型，结合推测解码，在设备上实现高达4倍的解码加速，同时保持输出质量。
本文研究了受限解码对工具调用放弃的影响，将语法约束的效果分解为停止和发射组件，并评估了跨语言小型开源模型的性能。
LiquidAI announces LFM2.5-VL-3B, an efficient vision-language model for edge hardware with improved screen understanding, grounding, multi-image input, and function calling, trained with 4x more vision data and post-training via SFT and RL.
InclusionAI（蚂蚁集团实验室）发布了Ling 3.0 Tiny，一个封闭API模型，总参数7.9B中激活1.3B，支持256K上下文、原生函数调用，并具备思考/即时模式，面向多轮智能体工具循环。文章质疑其效率曲线，并指出尚无独立评测或开放权重。
Data Turnstile is an open-source framework for generating high-quality synthetic function-calling training data from API specifications. Fine-tuning small language models with this data significantly improves their tool-use performance, closing the gap with much larger models.
SAAG提出了一种级联诊断框架，用于评估LLM智能体函数调用，通过将评估分解为注册一致性、结构完整性和参数基础验证三个阶段，实现可解释的诊断和迭代自我修复。在sub-4B模型上的实验表明，与单次评估相比，参数精度得到提升，值幻觉减少。