연구팀은 도구 활용이 항상 유익하지 않다는 점에 주목하여, 도구 호출 필요성을 판단하는 AutoTool 모델을 개발했습니다. AutoTool은 강화 학습 기반 듀얼 모드 추론 전략을 통해 정확한 답변을 생성하고, 불필요한 도구 호출로 인한 오버헤드를 줄입니다. V* 벤치마크에서 기존 모델 대비 정확도가 21.8% 향상되었고, POPE 벤치마크에서 효율성이 44.9% 개선되었습니다.