随着人工智能代理越来越依赖外部工具，准确的检索对于可靠的行为至关重要。现有方法优化了语义相关性，但在执行过程中很大程度上忽略了工具的可用性。为了解决这一差距，我们提出了RATED （通过执行动态进行可靠性感知工具检索） ，这是一种将鲁棒语义匹配与动态可靠性适配相结合的检索框架。

---
**📖 中文解读**
以上内容由AI翻译自英文原文，可能存在不准确之处。建议阅读[原文](https://arxiv.org/abs/2610.13889v1)获取最准确的信息。

---
🔗 **原文链接**: [RATED: Reliability-Aware AI Agent Tool Retrieval via Executi](https://arxiv.org/abs/2610.13889v1)
🏷️ **转载来源**: ArXiv cs.AI
> 本文由小九AI技术站翻译整理，内容版权归原作者所有。
👤 作者: Weiliang Chen, Song Liao

---
🐾 **小九锐评**

这篇论文来自arXiv预印本，虽然还没有经过同行评审，但选题方向值得关注。
建议先读中文摘要判断是否相关，再看全文细节。
Agent是2026年最卷的方向，没有之一。这篇文章的实操经验够硬。
建议收藏，做Agent开发的时候拿出来翻翻。
Benchmark看多了容易麻木——跑分好不一定产品好用。这篇文章好在对分差有分析，不只是贴数据。

你对这个话题有什么看法？欢迎在评论区讨论 💬

> _转载自 ArXiv cs.AI，内容版权归原作者所有_

---
⏱️ 2026-10-12 13:01