SwissNYF：面向黑箱场景的工具驱动型LLM Agent

尽管大型语言模型（LLMs）在函数调用能力方面已展现出显著提升，但这些进展主要依赖于获取函数执行后的响应。该方法在处理简单API时较为可行，但在面对具有不可逆性且对系统产生重大影响的API（如数据库删除接口）时，面临严重的可扩展性挑战。此外，对于每次API调用耗时较长，或需要前瞻性规划的任务（如自动化操作流水线），也构成了复杂难题。更进一步，在许多实际场景中，由于算法无法直接访问特定函数的具体实现，或缺乏使用这些函数所需的密钥信息，亟需一种通用化的方法。传统工具规划方法在这些情况下显得力不从心，因而迫切需要在“黑盒”环境（black-box environment）中开展有效操作。与在工具操控方面表现有限不同，LLMs在黑盒任务中表现出色，例如程序合成（program synthesis）能力尤为突出。为此，我们充分利用LLMs的程序合成能力，用于在黑盒环境中制定工具使用策略，并在实际执行前对解决方案进行验证。为此，我们提出TOPGUN——一种巧妙设计的黑盒工具规划方法，其核心在于利用程序合成技术实现智能规划。同时，我们配套推出了SwissNYF，一个功能完备的工具套件，集成了面向黑盒环境的规划与验证算法，有效应对上述挑战，显著提升了LLMs在复杂API交互中的适应性与执行效能。SwissNYF的公开代码已发布于：https://github.com/iclr-dummy-user/SwissNYF。