基于大语言模型与工具学习的层次化思维树评估方法

高晨; 刘耀东; 王超

doi:10.16009/j.issn.1009-5624.2026.02.023

信息记录材料 ›› 2026, Vol. 27 ›› Issue (2) : 72 -75. DOI: 10.16009/j.issn.1009-5624.2026.02.023

基于大语言模型与工具学习的层次化思维树评估方法

高晨, 刘耀东, 王超

作者信息 +

Author information +

文章历史 +

PDF

摘要

针对大语言模型(LLM)能力评估维度单一、灵活性不足及难以适应开放域复杂任务的问题，本研究提出一种基于LLM与工具学习的层次化思维树评估方法。该方法通过动态构建思维评估树，精准定位知识领域并分解评估问题;采用工具增强的节点评估机制，自主调用外部工具获取信息，最终聚合节点结果生成综合性评估报告。结果表明:该方法能显著提升评估维度的多样性、结果的可解释性以及对复杂任务的适应能力，为大模型评估提供了动态可靠的解决方案。