Gorilla — 让 LLM 学会查 API 文档再调用
已复核 · 稳定内容Gorilla: Large Language Model Connected with Massive APIs 是一篇 LLM / Tool Use 论文。本卡只基于 arXiv 官方元数据和论文静态阅读做研究整理；没有运行作者代码，也没有复现论文分数。
类比：像程序员写代码前先查官方文档，而不是凭记忆猜函数名和参数。
它在本轮 40 篇里的位置是 Batch 6 / agent tool ecosystems：不是孤立收藏，而是补上 study 论文图谱里还缺的一块。
LLM 调 API 时常编造不存在的函数、参数或版本。工具越多，幻觉空间越大。
如果把它放进产品工程语境，核心问题是：团队到底应该把不确定性留给模型本身，还是拆给数据、工具、训练目标、评测和系统约束分别处理。
- 它给后续研究提供了一个可引用的名字和问题边界。
- 它把一个模糊能力拆成了可以讨论的机制或流程。
- 它提醒我们不要只看最终 benchmark，而要看数据、约束和验收方式。
- 它能和本库已有笔记形成交叉链接，方便以后按主题复习。
| 设计 | 作用 |
|---|---|
| APIBench | 整理大量机器学习 API 调用任务。 |
| 检索增强 | 先找相关 API 文档，再生成调用。 |
| 调用格式评测 | 检查函数名、参数和版本是否真实可用。 |
这三点合在一起，给这篇论文建立了一个最小可理解模型：先看它把问题切在哪里，再看它把哪部分交给模型、哪部分交给外部结构。
手工 toy 复现
Section titled “手工 toy 复现”用户要加载 Hugging Face 模型。Gorilla 式流程先检索 transformers.pipeline 文档，再输出参数，而不是凭模型记忆写一个不存在的 load_hf_model()。
这个 toy 复现只验证机制直觉，不声明论文原始指标已复现。真正升级为 VERIFIED 需要独立执行证据和 review receipt 绑定。
- 检索到旧版本文档会导致过时调用。：检索到旧版本文档会导致过时调用。
- API 调用正确不等于业务流程正确。：API 调用正确不等于业务流程正确。
- 长尾库文档质量差时：长尾库文档质量差时，模型仍可能猜。
- 真实生产还要处理鉴权、速率限制和错误返回。：真实生产还要处理鉴权、速率限制和错误返回。
- 工具调用可靠性首先是文档 grounding 问题。
- Gorilla 把“会用工具”从自然语言能力转成 API 版本契约。
- MCP、function calling 和 tool benchmark 都需要类似检查。