Schick 等，2023-02，Toolformer: Language Models Can Teach Themselves to Use Tools（Meta AI）。在 GPT-J 上插入计算器、问答、搜索、翻译、日历等 API 调用。
原文：arXiv:2302.04761。
1 - Toolformer（论文）
按原文结构转述 Schick 等 2023：自监督插入 API 调用。
Timo Schick, Jane Dwivedi-Yu, Roberto Dessì, Roberta Raileanu, Maria Lomeli, Luke Zettlemoyer, Nicola Cancedda, Thomas Scialom. Toolformer: Language Models Can Teach Themselves to Use Tools。Meta AI。2022-12 工作，arXiv 2023-02。arXiv:2302.04761。
摘要
语言模型在需要最新信息、或做精确计算一类任务上仍会失败。本文表明：语言模型可以自己教会自己使用外部工具，只需少量工具使用示范。方法称 Toolformer：以自监督方式决定调用哪些 API、传什么参数、以及如何把结果写回后续 token 预测。
在不牺牲通用语言模型能力的前提下，Toolformer 学会使用多种工具：计算器、问答系统、搜索引擎、翻译系统、日历。作者用 GPT-J（66 亿参数）实现；在若干任务上超过大得多的、不会用工具的模型。
方法
出发点：人写文本时，遇到算不准或不知道的地方会去查工具。作者把这种行为做成生成过程里的内联 API 调用。
流程大意：
- 给模型少量如何调用某工具的示范。
- 在无标注语料上，让模型采样可能的 API 调用（插在文本中间）。
- 真正执行这些调用，得到结果。
- 过滤：只保留那些能降低后续 token 损失的调用——也就是「这次调用对接着写下去有帮助」。
- 用过滤后的文本（含调用与结果）继续微调模型。
调用在文本里表现为特殊标记包起来的字符串，解码时遇到调用就执行工具、把返回值填回去，再继续生成。工具集在文中包括：Calculator、QA 系统、Wikipedia 搜索、机器翻译、日历。
关键主张：不必为每个工具准备大规模人类标注轨迹；自监督过滤就够让模型学会何时调用。
限度（文中可见）
工具集合是作者选定的，不是开放的任意函数。调用格式仍是文本插入，不是后来的 JSON schema。评测是语言任务与知识/计算基准，不是开放目标上的多步 Agent 循环。模型规模远小于 GPT-3 / GPT-4。
2 - Toolformer 讲解
「何时调工具」可以写进权重。Function Calling 是 schema；这篇是训练侧证据。
论文解决了什么问题
2022 年工具使用默认靠提示：示范格式、解析字符串、赌模型吐出可执行调用。脆，也不会从预训练目标里长出来。Toolformer 改问：若一次 API 调用能降低后续 token 损失，模型能不能自己发现该插在哪。
过滤标准不是人喜欢哪条轨迹，是语言模型损失有没有下降。对象仍是生成中间的内联 API，不是「给一个目标转完」。
对后续 LLM 的影响
「工具使用可学」从此有训练侧证据。后来各家把函数调用做进微调与偏好数据，问题陈述同类：何时调用、参数是什么。它没有规定 Chat Completions 的 functions 字段；那是 6 月的接口工程。训练目标 ≠ 开放 schema。
对 AI Agent 的影响
按 AI Agent 定义，Toolformer 不是 Agent：一次生成里插入调用，没有目标驱动的多步循环，也没有宿主侧的执行循环。它补的是决策核心的一块——算不准时把计算交出去。没有这一块，循环里的 Action 只能靠提示词演戏。有了这一块，仍缺宿主、缺停机、缺完成谓词。