GTool：基于图增强的大语言模型工具规划方法（文章总结与翻译）
一、文章主要内容总结
1. 研究背景与问题
当前大语言模型（LLMs）在自然语言处理任务中表现突出，但在数值计算、复杂问题求解等场景中依赖外部工具（如API、算法）。工具规划作为LLMs与工具交互的核心能力，需解决工具间的依赖关系问题。然而现有方法存在两大缺陷：
- 忽视工具依赖的不完备性：现实中工具依赖多从调用轨迹中获取，难以覆盖所有依赖（如轨迹中仅能观察到部分工具的先后顺序，无法确定所有工具间关联）；
- 缺乏任务针对性：现有方法要么将工具视为孤立组件，要么依赖预定义的完整依赖结构，在大规模工具集或动态任务中性能不佳，且存在提示词冗长、计算成本高、泛化性差等问题。
2. 核心方法：GTool框架
GTool是首个针对“不完备工具依赖”优化LLM工具规划能力的方法，通过三大核心模块实现高效工具规划：
（1）任务特异性工具图构建
- 基础工具图：以工具为节点，工具调用轨迹中的先后依赖为有向边，节点属性由工具描述经语言模型（如BERT）编码生成；
- 任务特异性增强：为每个用户请求添加“请求超级节点”，将请求文本编码为节点属性，并建立所有工具节点到请求节点的有向边，实现工具与任务的关联对齐，过滤无关工具信息。
