quchangle1/LLM-Tool-Survey

解決する課題

大規模言語モデル（LLM）を用いたツール学習の分野は急速に成長していますが、研究は散在しています。このプロジェクトは、主要な論文を収集し、体系的なサーベイに従って整理することで、初心者が全体像を理解しやすくし、研究者が関連する研究を見つけやすくします。

仕組み

このプロジェクトは、ツール学習を2つの主要な質問に分類するサーベイ論文（arXivで入手可能）に基づいています：ツール学習がなぜ有益か、そしてツール学習がどのように実装されるか。「なぜ」は、ツール（検索エンジン、データベース、数学ソルバー、Pythonインタプリタなど）を使用する利点と、学習パラダイム自体の利点（解釈可能性、堅牢性）をカバーします。「どのように」は、ワークフローをタスク計画、ツール選択、ツール呼び出し、応答生成の4つの段階に分けます。READMEには数百の論文がリストされ、各論文には発表場所とarXivへのリンクがタグ付けされ、これらのカテゴリの下に整理されています。また、ベンチマーク、評価方法、課題、その他のリソースに関するセクションも含まれています。

対象読者

LLMを用いたツール学習の構造化された概要を求めている研究者、学生、産業開発者、または参照や拡張に便利な論文インデックスを必要とする人々。

ハイライト

包括的な分類法：論文は、ツール学習がなぜ役立つか、どのように行われるかによってグループ化され、4つのワークフロー段階があります。
広範な論文リスト：知識獲得、専門性向上、自動化、インタラクション、ベンチマークなどのカテゴリにわたる数十のエントリ。
すべての論文へのarXiv直接リンク、発表場所と年が記載されています。
Frontiers of Computer Scienceに受理された完全なサーベイ論文と、より広いアクセスのための中国語要約が含まれています。
貢献歓迎：リストを最新に保つために、問題やプルリクエストを歓迎します。