ああ、それはMITの研究だね。AIが数万個もあるツールの中から、どうやって適切なものを選び出すかっていう「ツール検索」の話だよ。

それがそう簡単じゃないんだ。今のAIは「高密度埋め込み（Dense Embedding）」っていう、言葉を数字のリストに変換して似たものを探す方法を使ってるんだけど、これには限界があるんだよ。

まず「意味のギャップ」だね。例えば、ユーザーが「音声を高品質にして」って頼んでも、実際のツールは「lfilter」みたいな専門用語で説明されてる。これだと、単純な似たもの探しじゃ見つからないんだ。

……まあ、例えとしては悪くないかな。あとは、複数のツールを組み合わせなきゃいけない複雑な依頼だと、1回の検索じゃ情報が足りなくなるんだよ。

TOOLQPは、検索を「1回きりのマッチング」じゃなくて「計画を立てるプロセス」に変えるんだ。具体的には、まず依頼を小さな「サブタスク」に分解する。これをプランニングと呼ぶよ。

そう。そして、それぞれのサブタスクごとに検索クエリを生成して、検索結果を見てから「次はこれが必要だな」って修正しながら進めるんだ。これを「対話的なクエリ生成」と言うんだよ。

「RLVR（検証可能な報酬を用いた強化学習）」っていう手法を使ってる。最終的に正しいツールが見つかったかどうかを報酬にして、モデルを鍛え上げるんだ。これによって、未知のツールに対しても柔軟に対応できるようになる。

既存の最新手法（SOTA）を大きく上回る成績を出しているよ。特に、見たことがないツールセットを使う「ゼロショット」の設定でも、すごく高い精度を維持できているのが強みだね。

そうだね。ただ、課題もある。何度も検索を繰り返すから、その分時間がかかる可能性があるし、プランニング自体が間違ってると変な方向に進んじゃうこともあるんだ。

それはAPIじゃなくて、君の部屋を片付ける物理的な努力が必要だよ。……まずは自分の行動をプランニングしなよ。