ツール呼び出しは現代の大規模言語モデル（LLM）エージェントの中核をなす機能であり、モデルがパラメトリックな知識の範囲を超えた技能を発揮することを可能にする。Tong Liu 氏ら7名による論文「On Effectiveness and Efficiency of Agentic Tool-calling and RL Training」は ICML 2026 に採択され、arXiv:2606.00135v1 として2026年5月28日に cs.LG に投稿されるとともに cs.AI にもクロスリストされている。本研究は、有効性（この能力をいかに測定するか）と効率性（この能力をいかに学習するか）という相補的な二つの軸に沿ってツール呼び出しを分析している。
有効性について、著者らはツール呼び出しの評価パイプラインを体系的に解剖し、報告される結果が一見些細でしばしば文書化されない実装上の選択に強く依存することを示した。具体的には、乱数シード、システムプロンプトの文言、マルチターン対話テンプレートの構築方法、そして過去の相互作用や推論の履歴を後続のターンにどう引き継ぐか、といった要素である。こうした違いは報告される性能に無視できない変動をもたらし、特にマルチターン設定では顕著である。厳密な標準化がなければ、リーダーボードの順位はもはや信頼できないと著者らは警告する。言い換えれば、現在の多くのツール呼び出しベンチマーク比較は、モデル能力の真の差ではなく、実装上の偶発的な要因を反映している可能性がある。
効率性について、論文はツール呼び出しに用いられる標準的な強化学習の手続きを検討し、計算の無駄が生じる二つの源泉を特定する。第一はロールアウト段階であり、多くのプロンプトが有効な学習信号を生まないまま計算資源を消費する。第二は方策更新段階であり、最適化そのものが高い計算コストを伴う。これらの知見に基づき、著者らはRLベースのツール呼び出し訓練を加速する二つの手法を提案し、性能を劣化させることなく大幅な実時間（ウォールクロック）の短縮を達成した。
総じて本論文は、評価方法論と訓練アルゴリズムの双方に踏み込んでいる。エージェントのツール呼び出し能力を比較する際には実装の詳細を標準化し公開する必要性をコミュニティに促すと同時に、強化学習によるツール呼び出し訓練のより効率的な道筋を示している。全文は arXiv で PDF、実験的な HTML 版、TeX ソースとして公開されており、DOI は 10.48550/arXiv.2606.00135 である。