tool-calling

一位用户分享了对 Ornith 1.5 模型的正面评价，强调了其高推理速度和强大的工具调用能力，并在日常测试使用中将其与 Qwen 3.8 进行有利比较。

PROOF-Gen 提出了一种每个场景的反思优化方法，用于恢复失败的轨迹以蒸馏工具调用能力，从而提升蒸馏流程中的数据质量和模型性能。

描述了用于Agent Harness的推测性程序化工具调用方法，其中LLM在令牌流式传输期间队列化工具调用，作为代码执行中的未来值。

本文基准测试了经过微调的Qwen3.6-35B-A3B模型的工具调用能力，显示Ornith 1.5和Tiel-Coder表现最佳，接近更大Qwen模型的分数。该研究使用了大量GPU时间和tool-eval-bench工具进行评估。

Granite 4.2是IBM推出的新型推理LLM系列，提供3B、8B和30B尺寸，具备思考模式、工具调用功能，并在Apache 2.0许可证下通过多阶段强化学习流水线进行训练。

本文提出推测性编程工具调用（sPTC），一种优化AI框架中工具调用的技术。它受CPU和大语言模型中推测执行的启发，通过重叠执行与令牌生成来降低延迟。

本文介绍了一个专为AI智能体工具调用设计的48M参数模型的开发。该模型使用语法确保有效的JSON输出，并且开源，可在特定API目录上进行定制。

介绍 Speculative Programmatic Tool Calling (sPTC)，一种在代码生成期间推测工具调用的技术，以与令牌生成和执行时间重叠，提高 AI 框架中的效率。

MobilePA-Bench是一个交互式基准测试，旨在评估移动规划智能体在复杂真实世界任务上的表现，重点考察工具调用、子智能体协作、记忆使用和运行时约束下的技能调用。

关于 Qwen3.8-27B 的社区反馈汇总，强调其在代理编码和工具调用方面的强大性能，同时指出在知识回忆和思考级别设置方面存在的问题。

一个通过QLoRA训练优化的微调版 Gemma 4 12B，适用于配备16GB VRAM的消费级GPU，可将工具调用可靠性提高2.7倍。

GLM 5.3 AI 模型目前可通过 ZenMux 和 Z.ai 免费使用，具备 1M 上下文窗口、最高 128K 输出以及支持 MCP 的工具调用功能。

作者分享了设置OC代理框架的实践经验，解决语音模型和本地LLM问题，以及为AI代理构建安全、沙盒化的工作空间。

DART-SD提出了一种拓扑感知的检索和调优框架，用于基于LLM的工具调用代理的自蒸馏，通过仅纠正关键拓扑断点并保留有效推理来提升策略多样性。

本文探讨了循环语言模型如何利用迭代潜在计算提升代理系统中的组合式工具调用，展示了对多步骤API交互的益处。

@mtasic85 证明了仅通过提示编程，无需微调，LFM2.5 2.6B 在工具调用和技能系统应用中可以表现接近 Qwen3.8 27B。

初创公司通过利用更智能的模型选择、推理和工具调用，学习如何使用GPT-5.6构建经济高效的AI代理来处理复杂工作。

作者使用JavaScript和LLM工具调用从零开始构建了一个网页搜索AI智能体，展示了无框架下的智能体构建，并将代码分享在GitHub上以获取反馈。

作者讨论了在CI/CD中由于LLM的非确定性，AI代理工具调用自动化回归测试面临的挑战，并寻求社区关于有效设置和痛点的见解。

一位从业者诚实地剖析了构建 AI 报告生成 Agent 的过程，说明 90% 的代码都是用来处理模型安静且自信的失败，并确保生产环境中的可靠性。