Core Concepts
提案されたToolRerankは、ツール検索のための適応型かつ階層意識のある再ランキング手法であり、検索結果の品質を向上させることができます。
Abstract
提案されたToolRerankは、大規模言語モデル(LLMs)を外部ツールで拡張するための適応型かつ階層意識のある再ランキング手法です。この手法は、既知および未知のツールを別々に処理し、ツールライブラリーの階層を考慮しています。実験結果は、ToolRerankが検索結果の品質を向上させることが示されています。
Introduction
大規模言語モデル(LLMs)に外部ツールを使用して能力を拡張する研究が進む中、多くのツールをサポートすることが課題となっていました。
提案されたToolRerankは、適応型かつ階層意識のある再ランキング手法であり、検索結果の品質向上に成功しています。
Tool Learning Challenges
ツール学習における主な課題は、大量のツールをサポートする方法です。
既存研究では、様々な方法が提案されてきましたが、効率的かつ効果的な再ランキング手法が必要です。
Proposed ToolRerank Methodology
ToolRerankは適応型トランケーションと階層意識再ランキングから成り立ちます。
適応型トランケーションでは既知および未知のツールに対して異なる位置で検索結果を切り捨てます。
階層意識再ランキングでは単一ツールクエリに対して集中した結果と複数ツールクエリに対して多様性のある結果を生成します。
Experimental Results and Impact
実験結果では、提案されたToolRerankが他手法よりも優れた性能を示しました。
ToolRerankはLLMによって生成される実行結果も改善しました。
Stats
BM25レトリーバーによって直接生成された回答:45.2〜63.9, 40.9〜55.7, 33.6〜47.2
DPRレトリーバーによって直接生成された回答:74.5〜90.8, 59.2〜85.4, 42.4〜82.7
Cross-Encoder Reranker(10個):87.0〜94.2, 69.9〜88.9, 56.5〜69.6
Cross-Encoder Reranker(30個):84.6〜91.7, 75.6〜85.8, 61.1〜76.
Cross-Encoder Reranker(50個):83.5〜91.,4, 75.-77.,1, 62.-63.,4
ToolRerank:76.-95.,0, 64.-88.,2, 66.-84.,2
Quotes
"Experimental results show that ToolRerank can improve the quality of the retrieval results."
"Proposed ToolRerank includes Adaptive Truncation and Hierarchy-Aware Reranking."