GTM：模拟AI代理的工具世界
人工智能
2025-12-08 v2
摘要
外部工具的集成是赋能大语言模型(LLM)代理具备现实能力的关键。然而，通过与多样化工具进行直接、持续的交互来训练这些代理往往代价高昂、缓慢，并引入额外的开发和维护开销。为此，我们引入了通用工具模型(GTM)，一个拥有15亿参数的模型，学习作为通用工具模拟器发挥作用。仅凭prompt级别的配置，GTM即可访问工具功能及其输入参数，生成能够忠实模拟真实工具执行的输出，提供快速且高性价比的解决方案，消除了开发开销。为构建GTM，我们提出了Context-Aware Response Generation(CARG)管道，该管道综合了覆盖20000多个工具、300个领域（包括物理、医学、机器人和金融）的全面训练数据。通过该管道，GTM学习生成不仅在语法上正确的输出，而且在逻辑上连贯、情境恰当的响应。实验表明，GTM产生的输出质量高，一致性和可靠性强。此外，在用于真实强化学习场景的代理训练中，GTM相对于真实工具具有显著更快的仿真速度，同时保持相当的输出质量，并在很好的泛化和领域适应性方面表现突出。我们的结果将GTM确立为开发未来AI代理的基础组件，使工具增强系统的高效和可扩展训练成为可能。
引用
@article{arxiv.2512.04535,
title = {GTM: Simulating the World of Tools for AI Agents},
author = {Zhenzhen Ren and Xinpeng Zhang and Zhenxing Qian and Yan Gao and Yu Shi and Shuxin Zheng and Jiyan He},
journal= {arXiv preprint arXiv:2512.04535},
year = {2025}
}