工具调用已成为现代大语言模型（LLM）智能体的核心能力，使其能够获取参数化知识之外的技能。来自 Tong Liu 等七位作者的论文《On Effectiveness and Efficiency of Agentic Tool-calling and RL Training》已被 ICML 2026 接收，并作为 arXiv:2606.00135v1 于 2026 年 5 月 28 日提交至 cs.LG 分类，同时交叉列入 cs.AI。该研究围绕两条互补的轴线展开：有效性，即这一能力如何被测量；效率，即这一能力如何被学习。
在有效性方面，作者系统性地剖析了工具调用的评估流程，指出报告结果对若干看似微小、且常常未被记录的实现选择高度敏感。这些选择包括随机种子、系统提示的措辞、多轮对话模板的构造方式，以及此前的交互与推理历史如何被延续到后续轮次中。作者强调，这些差异足以在报告性能上造成可观的波动，在多轮设置下尤为明显——若缺乏严格的标准化，榜单排名便不再可靠。换言之，当前许多工具调用基准的比较可能并未真正反映模型能力的差异，而是混杂了工程实现上的偶然因素。
在效率方面，论文考察了用于工具调用的标准强化学习流程，并识别出两个计算浪费的来源。其一发生在 rollout 阶段：大量提示并不会产生任何有效的学习信号，算力被白白消耗。其二发生在策略更新阶段：优化过程本身带来高昂的计算成本。针对这两点，作者提出了两种技术来加速基于 RL 的工具调用训练，在实现显著墙钟时间加速的同时不降低模型性能。
综合来看，这项工作同时触及了评测方法学与训练算法两个层面：它提醒研究社区在比较智能体工具调用能力时必须规范并公开实现细节，也为以强化学习方式训练工具调用能力提供了更高效的工程路径。论文全文可通过 arXiv 获取 PDF、实验性 HTML 与 TeX 源码，DOI 为 10.48550/arXiv.2606.00135。