English(EN) Google Research Releases ToolGrad: Answer-First Framework Hits 99.8% Pass Rate for Tool-Use Data Generation

Google 的 ToolGrad 框架提高了 LLM 工具使用数据生成的效率

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-11 06:01

来自 Google 和合作大学的研究人员开发了 ToolGrad，一个用于生成训练大型语言模型（LLM）工具使用能力的数据的新框架。与之前的 query-first 方法不同，ToolGrad 首先构建一个经过验证的工具使用链，然后生成匹配的用户查询，显著提高了效率和准确性。该方法在数据生成方面达到了 99.8% 的通过率，并在用于微调 Gemma-3 模型时，在 Berkeley Function Calling Leaderboard 上展现出与领先的专有模型相媲美的性能。 AI

影响该框架可以显著加速能够可靠使用外部工具的 LLM 的开发和部署。

排序理由该集群描述了一个用于 LLM 工具使用数据生成的新研究框架和数据集，包括性能基准。[lever_c_demoted from research: ic=1 ai=1.0]

在 MarkTechPost 阅读 →

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

本文如何被排名

Signal score: 38 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群描述了一个用于 LLM 工具使用数据生成的新研究框架和数据集，包括性能基准。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: model release, product; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

MarkTechPost TIER_1 English(EN) · Michal Sutter · 2026-09-11 06:01

Google Research 发布 ToolGrad：Answer-First 框架在工具使用数据生成方面通过率达 99.8%

<p>Google Research has released ToolGrad, an ACL 2026 Findings framework that inverts tool-use dataset generation: it builds a verified API chain first, then writes the matching user query. Guided by textual "gradients" from a 4-module propose-execute-select-update loop, ToolGrad…

本文如何被排名

报道来源 [1]

Google Research 发布 ToolGrad：Answer-First 框架在工具使用数据生成方面通过率达 99.8%

相关实体

相关话题