quchangle1/LLM-Tool-Survey

解决的问题

大型语言模型（LLM）的工具学习领域发展迅速，但研究分散。本项目汇集了关键论文，并按照系统综述进行组织，使新手更容易理解整体情况，研究人员也能更方便地找到相关工作。

工作原理

该项目围绕一篇综述论文（可在arXiv上获取）构建，该论文将工具学习分为两个主要问题：工具学习为何有益以及工具学习如何实现。“为何”涵盖使用工具（如搜索引擎、数据库、数学求解器、Python解释器）的好处以及学习范式本身的好处（可解释性、鲁棒性）。“如何”将工作流程分为四个阶段：任务规划、工具选择、工具调用和响应生成。README列出了数百篇论文，每篇都标注了发表地点和arXiv链接，并按这些类别进行组织。还包括基准测试、评估方法、挑战和其他资源等部分。

适用人群

研究人员、学生和工业开发者，他们希望获得关于LLM工具学习的结构化概述，或需要一个方便的论文索引以供参考或在此基础上进一步研究。

亮点

全面的分类体系：论文按工具学习为何有帮助以及如何实现进行分组，包含四个工作流程阶段。
广泛的论文列表：涵盖知识获取、能力增强、自动化、交互和基准测试等类别的数十篇论文。
每篇论文都提供arXiv直接链接，并列出发表地点和年份。
包含完整的综述论文（已被《计算机科学前沿》接收）以及中文摘要，以便更广泛的访问。
欢迎贡献：欢迎提交问题和拉取请求以保持列表的更新。