谷歌研究院推出ToolGrad 工具调用数据生成通过率达99.8%

AI创作导航管理员 LV4 资深连续登录30天萌新

20 天前

风向

651

谷歌研究院近期发布全新大语言模型工具调用训练数据生成框架ToolGrad，采用创新的答案优先生成逻辑，在工具调用数据生成任务中实现99.8%的通过率，在BFCL基准测试中得分达83.1，大幅提升了大模型工具调用训练的数据集质量与生产效率，为AI Agent落地的核心技术瓶颈突破提供了新路径。

AI Agent被视作下一代通用人工智能的核心落地方向，但大模型的工具调用能力训练，长期被高质量训练数据供给不足的问题制约。过去行业通用的流程优先数据生成方案，普遍存在逻辑错配、结果失真的问题，仅数据校验环节就占用了近60%的研发成本。

不少中小团队受限于数据成本，只能采用公开的低质量工具调用数据集训练模型，最终落地的AI Agent普遍存在调用时机判断错误、参数传递偏差、返回结果匹配度低等问题，无法满足商用要求。

此次谷歌研究院推出的ToolGrad框架，核心创新在于推翻了行业沿用多年的“先生成调用流程、再推导结果”的逻辑，转而采用答案优先的反向生成路径：先锁定任务的正确最终答案，再反向推导匹配的工具调用步骤、参数设置和执行链路，从根源上避免了流程和结果不匹配的问题。

官方测试数据显示，ToolGrad生成的工具调用训练数据，通过率高达99.8%，在权威的伯克利函数调用基准BFCL测试中得分达83.1，较传统流程优先方案的平均得分高出近30个百分点。这也意味着生成的数据集几乎不需要人工校验，就可以直接用于大模型微调，数据生产效率可提升6倍以上，综合成本下降超70%。

ToolGrad的落地首先将利好谷歌自身的大模型产品线，预计搭载升级后工具调用能力的Gemini版本将在未来1-2个季度内上线，在办公助手、智能客服、多模态交互等场景的实用性将出现明显提升。

对于整个AI行业而言，ToolGrad的出现也降低了AI Agent的开发门槛：中小团队不需要投入大量成本标注数据，就可以基于ToolGrad生成适配垂直场景的高质量训练集，快速优化自有大模型的工具调用能力，企业级工作流助手、行业服务机器人、IoT智能交互等场景的落地速度有望加快30%以上。

AI 大语言模型 Agent 工具调用谷歌研究院 ToolGrad

本文基于公开信息分析整理，仅供参考。更多AI工具动态与行业解读，请持续关注本站更新。