本研究提出了ATLASS工具学习与选择系统，采用闭环框架，支持大语言模型动态生成外部工具，显著提升工具的适应性和可重复使用性，有效解决复杂任务。

本研究提出了一种名为视觉模型伺服（SVM）的无训练闭环框架，成功解决了日常移动操作中小型物体的精确交互问题，成功率达到85%，优于现有方法。

该研究提出了一种基于大型语言模型的闭环框架LATM，允许模型自创工具以解决复杂问题。通过ToolLLM框架，增强了自然语言模型的规划和推理能力。研究还介绍了Prompt2Model和ChainForge等工具，提升了模型性能并简化了API选择过程。最后，综述了LLMs工具学习的文献，探讨了其益处、工作流程及未来方向。