SING: Synthetic Intention Graph for Scalable Active Tool Discovery in LLM Agents

📄 arXiv: 2606.16591v1 📥 PDF

作者: Qiao Xiao, Haochen Shi, Yisen Gao, Wenbin Hu, Huihao Jing, Tianshi Zheng, Baixuan Xu, Ziheng Zhang, Weiqi Wang, Haoran Li, Jiaxin Bai, Yangqiu Song

分类: cs.CL

发布日期: 2026-06-15

💡 一句话要点

提出SING框架以解决大规模工具发现中的意图匹配问题

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

关键词: 意图感知 工具发现 大规模代理 动态检索 图神经网络 任务管理 智能助手

📋 核心要点

  1. 现有的工具检索方法在长时间任务中难以对齐工具描述与代理的真实意图，导致工具选择效率低下。
  2. SING框架通过构建意图-工具图，动态链接用户意图与工具能力，提供了一种意图感知的主动工具发现方法。
  3. 实验结果表明，SING在工具检索的准确性和效率上显著优于基线方法，提升了多项性能指标。

📝 摘要（中文）

大型语言模型（LLM）代理越来越依赖于管理上下文、工具和多轮执行的代理框架，使得工具成为在现实数字环境中行动的核心接口。随着连接的工具生态系统扩展到数百或数千个API、服务和任务特定技能，全面的工具模式注入变得成本高昂，并且施加了限制代理的预定义静态库存的封闭世界假设。检索增强的工具选择提供了一种自然的替代方案，但现有的一次性检索方法往往无法将孤立的工具描述与代理的真实任务意图对齐，尤其是在需要通过分解、观察和新诱导子目标来显现所需能力的长时间任务中。我们提出了SING，一个意图感知的主动工具发现框架，构建了一个链接用户意图、工具能力和工具协作模式的意图-工具图，并根据不断变化的任务状态动态检索工具。使用7471个工具的统一语料库，我们在三个真实世界的工具使用基准上评估了SING。SING在Global Recall@5上提高了高达59.8%，在下游成功率上提高了高达28.9%，同时将全语料库工具模式曝光减少了99.8%，证明了意图感知图结构使得在大规模代理生态系统中实现更准确和上下文高效的工具发现成为可能。

🔬 方法详解

问题定义：本论文旨在解决在大规模工具生态系统中，现有工具检索方法无法有效对齐工具描述与代理真实任务意图的问题。现有方法在长时间任务中表现不佳，无法适应动态变化的任务需求。

核心思路：SING框架的核心思路是构建一个意图-工具图，该图将用户的意图、工具的能力和工具之间的协作模式进行关联，从而实现动态的工具检索，适应任务状态的变化。

技术框架：SING的整体架构包括三个主要模块：意图识别模块、工具能力评估模块和动态检索模块。意图识别模块负责解析用户的任务意图，工具能力评估模块评估可用工具的能力，而动态检索模块则根据当前任务状态选择合适的工具。

关键创新：SING的主要创新在于引入意图-工具图结构，使得工具检索不仅依赖于静态的工具描述，而是动态地考虑用户的意图和任务的上下文，从而提高了工具选择的准确性和效率。

关键设计：在设计上，SING采用了图神经网络来构建意图-工具图，并使用了特定的损失函数来优化工具选择的准确性。此外，框架中还设置了动态更新机制，以适应任务状态的变化。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果显示，SING在Global Recall@5上提高了高达59.8%，下游成功率提升了高达28.9%。同时，SING将全语料库工具模式曝光减少了99.8%，展现了其在工具发现中的显著优势。

🎯 应用场景

SING框架在多个领域具有广泛的应用潜力，包括智能助手、自动化服务和复杂任务管理等。通过提高工具选择的准确性和效率，SING能够帮助用户更好地完成任务，提升工作效率，未来可能在智能代理和人机交互中发挥重要作用。

📄 摘要（原文）

Large language model (LLM) agents increasingly rely on agent harnesses that manage context, tools, and multi-turn execution, making tools a central interface for acting in realistic digital environments. As harness-connected tool ecosystems expand to hundreds or thousands of APIs, services, and task-specific skills, exhaustive tool schema injection becomes costly and imposes a closed-world assumption that limits agents to a predefined static inventory. Retrieval-augmented tool selection offers a natural alternative, but existing one-shot retrieval methods often fail to align isolated tool descriptions with the agent's true task intention, especially in long-horizon tasks where required capabilities emerge through decomposition, observations, and newly induced subgoals. We propose SING, an intention-aware active tool discovery framework that builds an intention-tool graph linking user intentions, tool capabilities, and tool collaboration patterns, and dynamically retrieves tools according to evolving task states. Using a unified corpus of 7,471 tools, we evaluate SING on three real-world tool-use benchmarks. SING improves Global Recall@5 by up to 59.8% and downstream success rate by up to 28.9% over baselines, while reducing full-corpus tool-schema exposure by 99.8%, demonstrating that intention-aware graph structure enables more accurate and context-efficient tool discovery in large-scale agentic ecosystems.