在人工智能领域，工具调用任务一直是衡量模型实用性的重要场景。当用户要求AI完成订机票、规划行程等复杂操作时，模型需要精准调用多个工具并传递中间结果，但现有模型常因参数错误或步骤错乱导致任务失败。剑桥大学最新研究提出，通过引入循环语言模型结构，让AI在生成结果前进行多轮推理，可显著提升复杂任务的执行成功率。
传统Transformer模型采用层级堆叠结构，每层参数独立且仅运行一次，如同学生做题时直接写出最终答案。而循环语言模型（Looped Language Models）则采用共享参数模块，对输入进行多轮迭代加工。研究团队形象比喻：这相当于允许学生在草稿纸上反复验算，每轮检查前序步骤的合理性后再决定是否继续计算。这种设计将模型参数量与计算深度解耦，无需扩大模型规模即可提升推理能力。
实验设置了三个评测基准：BFCL测试单次与并行调用能力，NESTful专注嵌套依赖任务，API-Bank考察真实API选择精度。结果显示，在需要多步骤协同的Parallel-Multiple类别中，26亿参数的Ouro-2.6B模型准确率达76.5%，超越参数规模更大的Qwen3-4B模型（56.7%）。特别是在嵌套调用任务中，其胜率指标达到0.371，较同规模非循环模型提升近一倍。
研究团队开发了两种技术路线：原生循环模型从预训练阶段即采用循环结构，支持最多4轮迭代；改造循环模型则基于现有模型（如Llama-3.2-1B）改造部分层为循环模块，支持8轮迭代。实验发现，原生模型在复杂任务中表现显著优于改造模型，例如在NESTful基准上，改造版Llama即使运行8轮仍是个位数胜率，而原生Ouro-2.6B仅需4轮即可达到35%以上胜率。这表明预训练阶段的表征方式对循环结构的适配性至关重要。
为平衡计算效率与准确率，研究引入自适应退出机制。模型在每轮迭代后评估继续计算的必要性，通过概率分布决定是否停止。在BFCL测试中，自适应推理用比固定4轮更少的计算量，达到同等准确率；在NESTful任务中，Ouro-2.6B模型平均计算轮数减少23%，胜率却保持不变。这种机制使简单任务快速完成，复杂任务深度推理，显著优化资源分配。
进一步分析显示，模型规模与迭代轮数存在替代关系。26亿参数的Ouro-2.6B在3轮后性能趋于饱和，而14亿参数的Ouro-1.4B需4轮才能达到相近水平。这表明更聪明的模型可通过减少迭代次数实现效率优化。研究同时指出，改造模型性能受限的原因可能在于预训练阶段未针对循环结构优化，如同成年人练琴难以达到童子功的肌肉记忆水平。
在工具调用任务的具体案例中，模型表现差异显著。处理"整数列表转字符串再标准化"的任务时，非循环模型首轮调用虚构函数且遗漏步骤，次轮函数名仍错误且变量引用混乱；直到第3轮才给出完全正确的调用序列。这证明循环结构能修正函数选择、调用顺序、变量绑定等深层语义错误，而非仅处理格式问题。
该研究对AI应用开发具有重要启示。在需要多工具协同的场景中，循环语言模型可降低任务失败率，特别是在金融、物流等依赖复杂流程的行业。自适应推理机制则为成本控制提供了新思路，通过动态分配计算资源，使简单查询的响应速度提升数倍，同时保障复杂任务的准确性。随着模型架构与训练方法的持续优化，AI工具调用能力有望突破现有瓶颈，向更接近人类思维的推理模式演进。
