新框架生成合成数据以提升小型语言模型函数调用能力

研究人员开发了Data Turnstile，一个开源框架，旨在为函数调用任务生成高质量的合成训练数据，特别针对小型语言模型（SLMs）。该框架通过使用用户定义的API规范，并结合受约束的、分步生成以及验证和错误反馈循环，解决了现有数据稀缺和噪声的问题。实验表明，使用Data Turnstile数据微调的SLMs在函数调用基准测试中准确性显著提高，甚至在某些任务上超越了规模大得多的模型。 AI

影响 使更小、更高效的模型能够执行复杂的工具使用任务，从而可能降低代理式AI部署的门槛。

排序理由 该集群包含一篇详细介绍新框架和基准测试结果的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

• BFCL
• Data Turnstile
• Goutham Ramakrishnan
• Qwen2.5-32B-Instruct
• Qwen3 0.6B
• Qwen3 1.7B
• Qwen3-4B
• tau^2-Bench

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →