# TaReD方法提升AI使用工具完成复杂任务的成功率

> 根据2026年10月9日发布在arXiv上的论文，这种面向工具的递归分解方法可将端到端成功率提高最多40个百分点。

Oossa · 2026-10-09 · https://oossa.com/zh/tared-method-boosts-tool-using-ai-success-on-complex-tasks

由Wei‑Xiang Mao领衔的研究人员发布了TaReD，这是一种面向需要调用外部工具的AI智能体的工具感知递归分解技术。该方法构建工具能力层级，让智能体只在需要时才发现工具。在真实世界的长周期任务测试中，与现有基线方法相比，TaReD将整体任务成功率最多提高了40个百分点。代码已发布在GitHub，供所有人试用。

## 事实

- 论文发表于2026年10月9日（星期五）
- 成功率最多提高40个百分点

## 为什么重要

AI助手开发者无需一次性加载所有工具定义，也能让复杂工作流的执行表现更加可靠。

## 来源与参考

1. [TaReD: Tool-Aware Recursive Decomposition for Long-Horizon Tasks](https://arxiv.org/abs/2610.11268) – arXiv, 2026-10-09

最后更新: 2026-10-09