Google ToolGrad 反向生成工具链数据，12B 模型达 83.1 BFCL
dl_weekly · x · 2026-09-23
Google Research 发表 ACL 2026 论文 ToolGrad，提出一种反向的工具调用数据生成框架：先先生成真实的工具调用链，再为其标注对应用户 query，颠覆了传统「先生成指令、再用 DFS agent 试错搜索解法」的范式。
- 动机：ToolBench/ToolACE 类方法的从 agent 探索中蒸馏轨迹效率低下，人工标注又无法规模化
- 效果：从有效工具链反向构建数据，用 12B 的 Gemma-3 学生模型达到 99.8% 通过率和 83.1 BFCL 分数
- 延续自 InstructPipe 工作的数据管线，解决了 fine-tuning 数据难以扩展的问题
「编程与Agent」频道最新
- 热转观点:公司都在造 AI Agent,却没人造围绕它的 Harness — alex_verem · 2026-09-23
- Claude 一句话生成日式水景 3D 场景,Three.js 细节惊人 — nateliason · 2026-09-23
- Agentic AI 的存储冲击:数据层成企业部署新瓶颈 — BenBajarin · 2026-09-23
- 实测：Claude Opus 5.5 擅长生成交互式动画地图 — DavidmComfort · 2026-09-23
- 给 Agent 自建 Firecrawl 服务,读网页更准还省 token — gregmushen · 2026-09-23
- Daytona 与 LlamaIndex 在旧金山办 AI 构建者演示夜，378 人报名 — llama_index · 2026-09-23