LLM 기반 에이전트 아키텍처에서 도구 사용은 강력한 기능을 제공하지만, 항상 유익한 것은 아닙니다. 연구진은 도구 호출 필요성, 효용성, 비용을 평가하는 프레임워크를 제시하여 모델의 도구 사용 결정의 품질을 개선했습니다. 모델이 인지하는 필요성과 실제 필요성이 불일치하는 경우가 많으며, 이를 해결하기 위해 모델의 숨겨진 상태를 기반으로 필요성과 효용성을 추정하는 경량화된 예측 모델을 개발했습니다.