接口漂移下 LLM Agent 的稳健函数调用

工具增强型语言模型 Agent 依赖接口文本：工具描述、参数模式，以及推理时展示的候选工具列表。部署后，即使底层工具语义保持不变，这些接口也常常会发生变化，从而给函数调用系统带来实际的可靠性问题。我们将这种失效模式称为接口漂移，并评估一种轻量级、无需训练的修复层能否在不重新训练基础模型的情况下恢复稳健性。我们的方法 SchemaShield-Lite 结合了模式验证、针对缺失工具名称的候选集重试，以及一次性约束修复。在 Qwen3.5-9B 上，该方法将 DICE-300 的准确率从 0.717 提升至 0.813，并将 BFCL-200 的准确率从 0.580 提升至 0.805；在未观察到修复副作用的情况下，分别修复了 22 个和 45 个由漂移导致的失败中的 19 个和 33 个。朴素重试无法解释这些增益。消融实验表明，候选集漂移，尤其是干扰工具，造成了大部分观测到的损害，而仅修改描述和模式的影响较小。结果表明，验证与修复可以作为已部署 LLM Agent 工具使用的实用稳健性增强层。