10 сентября 2026 года Чжуньи Чжоу, научный сотрудник и Руофей Дю, Интерактивное восприятие и графический свинец, Google XR TholGrad — это система получения данных, которая отменяет традиционную парадигму путем подготовки ответов на вопросы пользователей. Мы показываем, что этот дизайн позволяет МЛМ добиваться более эффективного использования инструментов. АИ продемонстрировали большой потенциал в автоматизации задач реального мира, таких как проведение поиска в Google, чтение местных компьютерных файлов или выполнение составленных Python сценариев. Для достижения таких агентских рабочих процессов МЛМ необходимо научиться правильно и эффективно использовать инструменты. Для того чтобы научить большое количество языковых моделей, нам нужны наборы данных о цепочках использования инструментов и их соответствующих запросах пользователей. В нашей предыдущей работе, введенной в " Director Pipe > , мы вручную аннотировали наши оценочные данные, но было бы непрактично расширять число человеческих аннуляций для усовершенствованных рабочих путей с улучшенной регулировкой LLM. В целях рационализации процесса обработки данных, предшествующая работа, например ToolBench и TuelACE, была изучена с использованием агента для автоматического поиска траектории использования инструментов с пробой и ошибкой. Этот репрезентативный подход к аннотациям предусматривает два этапа: 1) подготовка гипотетической инструкции пользователя из выборки API, и 2) использование инструмента поиска (DCP)…
Инструмент: создание набора данных об эффективном использовании инструментов с текстовыми "градиентами"
Машинная разведка
