资讯
Google Research Releases ToolGrad: Answer-First Framework Hits 99.8% Pass Rate for Tool-Use Data Generation
📋总体概括
Google Research发布ToolGrad，一个入选ACL 2026 Findings的工具调用数据生成框架。它颠覆了传统的「先问题后答案」路线：先验证生成可执行的API调用链，再反向撰写用户查询，通过提议-执行-选择-更新四模块循环以文本「梯度」引导搜索。在ToolBench上通过率达99.8%，远超DFS搜索的63.8%；仅用500条样本微调的Gemma-3-12B在BFCL得分83.1，几乎追平Gemini 2.5 Pro的83.2。代码、数据集与模型以Apache-2.0协议开源。
⚡关键信息
- ▸ToolGrad是Google Research发布的ACL 2026 Findings框架，采用「先验证API链、再写查询」的反向数据生成范式
- ▸在ToolBench上通过率达99.8%，而传统DFS搜索方法仅为63.8%，差距达36个百分点
- ▸框架采用提议-执行-选择-更新四模块循环，以文本「梯度」信号引导搜索方向
- ▸仅500条样本微调的Gemma-3-12B在BFCL得83.1分，几乎比肩Gemini 2.5 Pro的83.2分
- ▸代码、数据集与模型全部以Apache-2.0协议开源
🔥犀利点评
这才是把「数据质量>模型规模」逻辑打穿的做法：先保证答案可执行，再生成题目，等于从源头消灭脏标签。500条样本就把12B小模型顶到旗舰水平，说明工具调用这个赛道的瓶颈从来不是参数量，而是训练数据的可验证性。99.8%对63.8%的差距不是优化，是路线代差。开源协议还给得干脆，Google这次是真把护城河建在生态而非黑箱里。
📰 相关资讯（与本文相关的其他资讯）
本文由本站自动聚合，以下为原始来源：前往 marktechpost.com 阅读全文 →