大型語言模型（LLM）智能體在結合工具使用後，在長週期任務中表現出色。然而，這些智能體通常是在固定工具集上進行後訓練的，當需要引入新工具時，它們往往難以有效整合，而從頭重新訓練又通常不可行。針對這一工具集擴展問題，最新研究《ToolAnchor: Anchoring Counterfactual Context to Boost Agentic Tool-use Capability》揭示了核心障礙——行為慣性，即智能體即便獲得新工具，仍傾向於依賴原有熟悉工具和固有推理模式。
研究者證明，在關鍵決策點注入反事實錨定上下文可以有效打破這種慣性，通過激發被抑制的智能體能力來恢復失敗的軌跡。為了規模化應用這一發現，他們提出ToolAnchor框架，該框架使用教師模型來假設這些反事實上下文，然後通過學生模型展開回滾進行驗證，最後通過智能體後訓練將成功的干預內化。
廣泛的評估涵蓋了通用AI助手（GAIA）、文本搜索（BrowseComp）和視覺搜索（VDR-Bench）等任務，結果顯示ToolAnchor在擴展工具集下始終表現出競爭力。這項工作彌合了靜態後訓練與動態適應之間的差距，為可擴展的智能體強化學習開闢了新道路。
ToolAnchor的核心創新在於其反事實錨定機制。不同於傳統方法試圖通過大量新數據重新訓練模型，ToolAnchor僅在關鍵決策點插入精心構造的上下文，引導智能體嘗試新工具。教師模型基於失敗軌跡和成功案例，生成可能的反事實上下文；學生模型執行這些上下文下的動作，驗證其有效性；最終，通過後訓練將成功模式固化。這一過程無需全模型重新訓練，顯著降低了適應成本。
在實驗部分，ToolAnchor在GAIA的多種任務中，當加入新工具後，成功率相比基線方法提升明顯。在BrowseComp的文本搜索任務中，面對動態變化的工具組合，ToolAnchor同樣保持了較高的檢索準確率。VDR-Bench視覺搜索任務的結果進一步證實，該方法能有效應對視覺領域的工具變更。這些結果共同表明，反事實錨定上下文是一種通用且高效的適應性策略。
未來，研究者計劃探索更復雜的反事實生成方式，以及將ToolAnchor應用於多智能體協作場景，進一步提升智能體在動態環境中的靈活性和魯棒性。