Don’t Adapt Small Language Models for Tools; Adapt Tool Schemas to the Models

Idea

PA-Tool 将适配方向从微调 small language model 转为重命名 tool schema：让目标模型依据功能描述多次生成 tool/parameter names，选择输出分布中局部最密集的候选，并建立原名到新名的映射。整个流程不更新模型参数。

Research Problem

SLM 即使看到可用 schema，仍会生成语义合理但实际不存在的名称，或识别错参数。常见改进重在训练模型、优化 description 或积累调用历史，尚未直接解决给定接口命名与模型熟悉表示之间的 mismatch。

Insight

作者假设预训练中熟悉的命名模式会在反复采样中形成高 peakedness 区域；按近似字符串的局部密度选择，比仅取 greedy 输出或完全相同字符串的频次更能捕捉稳定命名习惯。这是由生成分布推测 familiarity 的代理信号，并非直接检查预训练语料。

Method

1. 逐个提供工具或参数的功能描述，按非零温度采样 N 个候选名，并另以 greedy decoding 获得 tie-breaking reference name。
2. 计算候选间 character-level Levenshtein distance，以最长候选长度乘 alpha 作为阈值；每个候选的 peakedness 为阈值内其他候选数量。
3. 选择最高 peakedness 名称，平局时取与 greedy reference 编辑距离最小者；遍历 schema 层级形成命名映射，跨工具重名用 priority-based locking 处理。
4. 主要设置采样三十二次、temperature 0.4、alpha 0.2；在 MetaTool 的 selection/reliability/multi-tool 与 RoTBench 的 selection/parameter identification 上，以相同目标模型比较原 schema、greedy、most-frequency 及人工重命名。