工具使用

研究团队发现大语言模型智能体在工具集扩展时存在‘行为惯性’问题，并提出ToolAnchor框架，通过注入反事实锚点上下文来激活被抑制的能力，显著提升智能体对新工具的适应效率。

研究团队借用心理学“集合转换”概念，测试LLM智能体在会话中可靠工具暗中改变时的适应能力。发现智能体倾向于固守少数工具，且工具集的呈现方式会显著影响其决策动态。