# TRACER से LLM एजेंट टूल जल्दी चुनते हैं

> नया TRACER फ्रंट-एंड बड़े भाषा मॉडल को कम टोकन में अधिक सटीकता से टूल चुनने देता है। परीक्षणों में टोकन का इस्तेमाल 80% घटा।

Oossa · 2026-10-16 · https://oossa.com/hi/tracer-speeds-up-tool-selection-for-llm-agents

शोधकर्ताओं ने TRACER जारी किया है। यह एक रिट्रीवल सिस्टम है, जो बड़े भाषा मॉडल वाले एजेंट को टूल की बड़ी सूची में से सही टूल चुनने में मदद करता है। यह सिस्टम पहले इस्तेमाल किए गए टूल-कॉल क्रमों को ट्राइ (पेड़ जैसी इंडेक्स संरचना) में सहेजता है और डेटा से मिले संकेतों तथा संदर्भ के आधार पर अगले संभावित टूल की रैंकिंग करता है। प्रयोगों में, GPT‑5.4 ने TRACER की मदद से सही टूल 4.7 प्रतिशत अंक अधिक बार चुना, जबकि उसे 128 में से सिर्फ 5 टूल दिखाए गए। इससे हर चरण में इनपुट टोकन करीब 80% कम हुए।

## प्रदर्शन कितना बेहतर है?

छह परीक्षण परिवेशों और चार भाषा मॉडलों में, 24 मॉडल-परिवेश जोड़ियों में से 21 में TRACER ने पूरी टूल-सूची वाले तरीके से बेहतर प्रदर्शन किया। टूल चुनने की सटीकता में औसतन 6 से 10 अंक का सुधार हुआ; जिन तीन मामलों में प्रदर्शन कम रहा, उनमें अंतर 2.2 अंक से अधिक नहीं था। पूरे स्वायत्त टर्न के परीक्षण में, सिस्टम ने GPT‑5.4 जितनी समग्र कार्य-सफलता हासिल की और हर चरण में 61% कम इनपुट टोकन इस्तेमाल किए।

## उपयोगकर्ताओं के लिए इसका क्या मतलब है

इन्वेंट्री की जांच या टेलीकॉम प्लान सक्रिय करने जैसी बाहरी सेवाओं का इस्तेमाल करने वाले AI असिस्टेंट बनाने वाले डेवलपर TRACER से उन्हें तेज़ और कम खर्च में चला सकते हैं, क्योंकि भाषा मॉडल को बहुत कम टोकन भेजने पड़ते हैं। टोकन की कम संख्या से यह जोखिम भी घटता है कि कई टूल उपलब्ध होने पर मॉडल की संदर्भ सीमा भर जाए।

## तथ्य

- रिटेल और टेलीकॉम के मिले-जुले परिवेश में TRACER, GPT‑5.4 की टूल-चयन सटीकता 4.7 अंक बढ़ाता है।
- यह हर चरण में इनपुट टोकन करीब 80% कम करता है और 128 में से सिर्फ 5 टूल दिखाता है।
- पूरे स्वायत्त टर्न में, यह 61% कम टोकन प्रति चरण इस्तेमाल करते हुए कार्य-सफलता का समान स्तर हासिल करता है।
- छह परिवेशों और चार मॉडलों में, TRACER ने 24 मॉडल-परिवेश जोड़ियों में से 21 में पूरी टूल-सूची वाले चयन तरीके से बेहतर प्रदर्शन किया।
- सटीकता में औसतन 6 से 10 अंक का सुधार हुआ; जिन तीन मामलों में प्रदर्शन कम रहा, उनमें अंतर अधिकतम 2.2 अंक था।

## यह क्यों मायने रखता है

डेवलपर ऐसे अधिक सक्षम असिस्टेंट बना सकते हैं जो तेजी से प्रतिक्रिया दें और चलाने में कम खर्चीले हों, क्योंकि उन्हें भाषा मॉडल को कम टोकन भेजने पड़ते हैं। अंतिम उपयोगकर्ताओं को इसका फायदा तब मिल सकता है, जब AI को किसी कीमत का पता लगाना हो, सेवा बुक करनी हो या किसी बाहरी सिस्टम से डेटा हासिल करना हो—जवाब जल्दी मिल सकता है।

## स्रोत और संदर्भ

1. [TRACER: Trajectory-Aware Tool Retrieval for LLM Agents](https://arxiv.org/abs/2610.21267) – arXiv cs.IR, 2026-10-16

अंतिम अपडेट: 2026-10-16