RATED：通过执行动态实现可靠性感知的 AI
来自 arXiv · 期号 2026-10-10
摘要
AI agent 要调用外部工具，现有检索器只看语义匹配，不管工具能不能用。 RATED 在语义匹配之外加了一个轻量级 bandit 模块，根据实时的执行反馈重新排序候选工具，遇到 API 宕机能自动调整，不需要重新训练模型。 论文同时发布了 EcoAgent 基准，包含 5,172 个真实工具和超过 21 万条 query-tool 对。在真实查询上，RATED 的 MRR 比 ToolLLM 的检索器高 52.2%；在 30% API 故障率的极端场景下，错误选择率从 86.2% 降到 2.9%，额外延迟不到 1 毫秒。 代码和数据集已开源。