AskToAct：通过自我纠正的澄清增强大型语言模型的工具使用

本研究解决了大型语言模型在工具学习中所面临的模糊和不完整用户查询的问题。提出的AskToAct方法通过利用查询与工具调用解之间的结构映射，自动构建高质量训练数据，并通过增强错误修正的数据进行微调，从而提高模型的健壮性。实验结果显示，AskToAct在恢复关键未指定意图的准确率上超过79%，并提升澄清效率平均达到48.34%。