Rethinking the Role of Tool Graph Memory in Multi-Turn Tool Use

📄 arXiv: 2610.21571v1 📥 PDF

作者: Uiji Hwang, Richeng Xuan, Taeuk Kim

分类: cs.CL, cs.AI

发布日期: 2026-10-15

💡 一句话要点

重新思考工具图记忆在多轮工具使用中的作用

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 工具图记忆 多轮工具使用 大型语言模型 文本洞察 智能助手 计算效率

📋 核心要点

  1. 现有的工具图记忆方法在多轮工具使用中未能持续提升代理的性能，且其指导常常不准确。
  2. 论文提出将经验存储为文本洞察而非工具图记忆，以期提高工具选择的有效性和通用性。
  3. 实验结果显示，文本洞察的效果优于工具图记忆，且几乎不增加LLM调用次数，表明其更具实用性。

📝 摘要（中文）

大型语言模型（LLM）代理通过多轮调用外部工具来解决复杂任务。近期的研究提出了工具图记忆，旨在存储过去的工具使用经验以指导后续选择。然而，研究发现这一组件并未显著提升代理的工具使用效果，且在某些情况下反而增加了计算成本。即使在正确建议下，代理仍然面临许多失败，表明记忆的指导作用有限。将相同经验存储为文本洞察的效果优于工具图记忆，几乎不增加LLM调用次数，提示记忆更适合作为软先验而非下一工具的明确指示。

🔬 方法详解

问题定义：本论文旨在解决工具图记忆在多轮工具使用中的有效性问题。现有方法在指导工具选择时常常出现错误，导致性能未能显著提升。

核心思路：论文提出通过将经验以文本洞察的形式存储，而非依赖工具图记忆，来改善工具选择的效果。这种设计旨在减少计算成本并提高准确性。

技术框架：整体架构包括两个主要模块：工具图记忆和文本洞察存储。工具图记忆负责记录工具使用的历史，而文本洞察则提供基于经验的建议。

关键创新：最重要的创新在于将经验存储为文本洞察，优于传统的工具图记忆方法。这一方法强调了记忆作为软先验的作用，而非直接的工具选择指导。

关键设计：在实验中，文本洞察的实现几乎不增加LLM调用次数，且通过对比基线显示出更好的性能，具体参数设置和损失函数设计在论文中详细描述。

🖼️ 关键图片

fig_0
img_1
img_2

📊 实验亮点

实验结果表明，文本洞察的性能优于工具图记忆，几乎不增加LLM调用次数。具体而言，文本洞察在多个基准测试中表现出更高的有效性，且在某些情况下，工具图记忆的性能提升不足以抵消其计算成本。

🎯 应用场景

该研究的潜在应用领域包括智能助手、自动化客服和复杂任务处理等场景。通过优化工具使用策略，能够显著提高系统的响应效率和用户体验，未来可能在多种行业中推广应用。

📄 摘要（原文）

Large language model (LLM) agents solve complex tasks by calling external tools over multiple turns. Recent work has proposed tool graph memory, which stores past experience as tool transitions to guide subsequent selection. However, it remains unclear whether this component consistently improves agents' tool use or undermines it. We evaluate tool graph memory on nine models and two benchmarks, finding that it seldom improves significantly over baselines, and that its gains, where present, cost over twice the LLM calls. The memory's guidance is often incorrect, and random or no guidance retains most of the gain, implying that the benefit stems from extra computation rather than the memory itself. Moreover, even with the correct next tool suggested, many failures remain, such as giving up without a tool call. Storing the same experience instead as textual insights outperforms tool graph memory with almost no extra LLM calls. This suggests that memory serves better as a soft prior than as a prescription of the next tool, leading to a more effective and generalizable solution.