从思考到行动：大模型自主工具调用能力的深度实现

本项目由复旦大学知识工场实验室肖仰华教授、梁家卿青年副研究员领导，博士生韩槿一，硕士生李廷云、熊程元、姜子上、王昕奕等同学共同参与完成。

GPT - 4o、Deepseek - R1 等高级模型已展现出令人惊叹的「深度思考」能力：理解上下文关联、拆解多步骤问题、甚至通过思维链（Chain - of - Thought）进行自我验证、自我反思等推理过程。

但是，多数主流模型仍在基础问题上犯错，复杂四则运算计算失误，简单「两个小数比大小」出错、甚至连数清楚 strawberry 里有几个「r」都能翻车……即使提示像 R1 这样具备深度思考能力的大模型也要消耗大量的 token 才能勉强答对。

合适的工具调用能够拓展大模型的能力边界，但现有工具调用方式将大模型限制在预设的工具使用框架内，更像是一个被动的「提线木偶」，而非真正具备主动性的智能体。主要体现在以下几个方面：

• 浅层模仿而非深度理解： SFT 只是学会了特定场景下工具调用的表面模式，而非真正理解工具的功能边界、适用场景和内部工作机制

• 上下文依赖性强： 基于 Prompt 的工具调用方法高度依赖于提示的精确性和完整性。一旦用户描述模糊或提示设计不当，模型就无法正确选择和使用工具

• 工具组合能力受限： 当需要多个工具协同解决复杂问题时，现有方法难以支持模型进行灵活的工具组合

复旦大学知识工场实验室团队在开源项目 SimpleGRPO 中开源实现了大模型自主工具调用机制，通过引入大模型的深度思考能力，从根本上重构了大模型工具调用的范式。该技术使大模型实现了从被动执行的「提线木偶」到具备自主决策能力的智能体的根本跃迁。

• 项目开源地址为：https://github.com/lsdefine/simple_GRPO/tree/main/Auto_Program

为什么大模型需要自主调用工具的能力？

• 深度整合： 大模型不仅是工具的「操控者」，而是能在推理过程中深度理解工具的功能，知道什么时候、如何使用工具才能更高效地解决问题。

• 动态调整**：** 每次调用工具后，模型会根据新获得的信息自动调整思路，不断改进解决方案，让每一次思考都更精确。

• 连续性与灵活性： 不同于传统的单次工具调用，自主工具调用能力可以使得模型能够在复杂任务中多次调用工具，通过连续的交互获取最佳答案。

• 创新组合： 当一个工具无法完成任务时，模型能创新性地将多个工具结合起来，解决更为复杂的挑战。

表. 一般模型和融入思考进行自主工具调用的模型在工具调用上的能力表现的差异

如何实现大模型的工具自主调用？

我们使用强化学习算法给 LLM 装上「决策中枢」，实现两种神仙模式：

方案 1【边想边干】： LLM 思考到一半突然写代码辅助解决 → 编译器运行 → 继续思考完成后续的推理

当大模型在生成推理或解决问题的过程中，意识到某些步骤需要借助编程工具（如 Python）来完成时，它会直接生成相应的代码片段，并通过编译器执行这些代码，执行结果会被捕获并作为输入重新融入到大模型的推理过程中。

这种即时反馈机制使得模型能够动态调整后续的生成内容。这种方式类似于人类在解决问题时，发现某个计算或分析任务复杂到需要用程序来辅助，便动手编写代码并运行结果。

方案 2【专业分工】： LLM 负责提需求，直接说「我需要计算 38 和 16 的最小公倍数」，专属代码小弟秒速响应！强强联手更精准！

生成模型在推理过程中，当遇到需要编程工具协助的任务时，会明确描述出需求。例如，「我需要计算一组数据的标准差」或「请帮我实现一个排序算法」。这种需求描述通常以自然语言的形式表达，清晰且易于理解。接收到需求后，专门的代码生成模型会根据描述生成对应的 Python 代码。

该模型经过大量代码训练，擅长将自然语言需求转化为准确的代码实现。生成的代码通过编译器执行，执行结果被返回给生成模型。生成模型根据结果调整后续推理路径，确保整个过程连贯一致。

大模型边思考边行动

大模型自主调用 Python 命令行

我们首先在简单数学题上验证模型能否通过强化学习学会调用工具计算器来辅助解决问题，并观察其泛化性。我们设定模型可在回答中通过「>>>」调用 Python 命令行，检测到需要调用 python 程序时，编译执行并将代码运行结果插入到先前的生成过程中。以 Qwen2.5 - 7B 为基础模型，在 GSM8K 上训练。

• 模型执行复杂运算时会自主调用命令行来计算

• 模型在训练时只接触数学题，但推理时能自主泛化到其他问题上

• 3.11 和 3.9 谁大？

以前：瞎蒙（甚至理直气壮答错）

现在：秒写代码 print(3.11 > 3.9)，输出 False，铁证如山！

• strawberry 有几个「r」？

以前：靠概率硬猜（结果常漏数）

现在：直接上代码 “strawberry”.count(‘r’)，精准输出 3！

模型调用 Python 程序

面对更难的问题时，我们发现命令行难以发挥作用。例如，模型使用 Python 来解方程时，需要导入相应的包，如果使用互相独立的命令行难以完成，将多个命令行一起执行则模型容易在格式和代码编写上出错。因此，我们尝试让模型自己写整段的 python 程序。

• 基础模型：Qwen2.5 - Math - 7B - Base
• 算法：Reinforce++ • 数据集：MATH level3 - 5 上进行训练
• 训练重要参数设置：temperature：0；学习率：4e - 7；batch_size: 32；
• 奖励设置：回答中包含 \boxed{} 且其中答案正确，则奖励为 1，否则奖励为 0

训练结果如下：

• 复杂一元三次方程求解借助编程解决

模型内心 OS：「这题手算会崩，看我召唤 Python！」

大模型主动提出调用工具需求

实验细节

1、训练数据集构建：

从 MATH、Numina、OpenThoughts 中筛选训练问题时按照以下原则：

• 使用 Qwen2.5 - 7B - Base 对问题生成多个答案，过滤掉对模型而言较为简单的题（正确率为 100%）
• 过滤掉选择题、概念题等没有标准答案的问题

2、测试数据集： 以 GSM8K 题目为原型，将其中的数值替换成超大（9～11 位）或者更加复杂（小数）的数值。

• 数据集开源地址：https://huggingface.co/datasets/JinyiHan/big-value-gsm

3、算法：GRPO

4、训练技巧：

• 奖励设置：我们注重对格式的奖惩，这样可以保证在模型训练前期能快速学习到格式，格式准确率能够逐渐达到 95% 以上；从而在后期训练阶段模型能够专注于提升回答的准确率。

• 课程学习：按照模型正确回答的概率从大到小进行排列

• 避免 GRPO 同组得分同质化：在训练过程中，得分完全相同的样本直接过滤掉

5、模型选择：

生成模型：Qwen2.5 - 7B - Instruct

代码模型：Qwen2.5 - 7B - Instruct

实验结果

• 模型反复多次提需求调用工具

以前：硬着头皮硬算，强行编答案

现在：思考后主动使用工具辅助解决

其他有意思的观察：

• 模型能够根据代码编译结果能进一步反思

当模型编写的 python 代码出现编译报错、没有输出或运行超时：

以前：出现错误后，后续生成的内容全部出错

现在：模型会根据报错信息继续调整策略

• 自主调用工具的能力能在未见的任务上进行泛化

以前：特定领域微调后并不会迁移到未见任务上

现在：掌握工具后可以在其他领域灵活使用

case1: Knight & Knave (Logic - RL)

case2: CountDown

• 解锁新能力，使用 python 来验证生成答案的正确性

总结

我们探索了结合大模型的深度思考能力提升大模型自主工具调用的能力的两种方式，包括让大模型边思考边行动、以及让大模型提出调用工具的需求。

我们发现，通过强化学习的训练方式，边想边干和专业分工两种方式都能够使大模型灵活、自主地调用工具，并在生成过程中多次调用工具，将工具调用的结果无缝融入后续的推理与决策流程中。

更重要的是，这种自主工具调用能力展现出强大的泛化性，能够成功应用于完全未见过的任务场景，表现出令人惊叹的潜力。

这一研究成果为未来大模型深度思考能力的实际应用提供了重要的参考价值和技术基础。我们计划在不久后发布相关技术报告或论文，对这些方法进行更详细的阐述和讨论，敬请期待。

如何学习AI大模型 ？

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。【保证100%免费】🆓

CSDN粉丝独家福利

这份完整版的 AI 大模型学习资料已经上传CSDN，朋友们如果需要可以扫描下方二维码&点击下方CSDN官方认证链接免费领取 【保证100%免费】

读者福利： 👉👉CSDN大礼包：《最新AI大模型学习资源包》免费分享 👈👈

（👆👆👆安全链接，放心点击）

对于0基础小白入门：

如果你是零基础小白，想快速入门大模型是可以考虑的。

一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。

👉1.大模型入门学习思维导图👈

要学习一门新的技术，作为新手一定要先学习成长路线图，方向不对，努力白费。

对于从来没有接触过AI大模型的同学，我们帮你准备了详细的学习成长路线图&学习规划。可以说是最科学最系统的学习路线，大家跟着这个大的方向学习准没问题。（全套教程文末领取哈）

👉2.AGI大模型配套视频👈

很多朋友都不喜欢晦涩的文字，我也为大家准备了视频教程，每个章节都是当前板块的精华浓缩。

👉3.大模型实际应用报告合集👈

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。（全套教程文末领取哈）

👉4.大模型落地应用案例PPT👈

光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。（全套教程文末领取哈）

👉5.大模型经典学习电子书👈

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。（全套教程文末领取哈）

👉6.大模型面试题&答案👈

截至目前大模型已经超过200个，在大模型纵横的时代，不仅大模型技术越来越卷，就连大模型相关的岗位和面试也开始越来越卷了。为了让大家更容易上车大模型算法赛道，我总结了大模型常考的面试题。（全套教程文末领取哈）

👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习

CSDN粉丝独家福利

这份完整版的 AI 大模型学习资料已经上传CSDN，朋友们如果需要可以扫描下方二维码&点击下方CSDN官方认证链接免费领取 【保证100%免费】

读者福利： 👉👉CSDN大礼包：《最新AI大模型学习资源包》免费分享 👈👈

（👆👆👆安全链接，放心点击）