論文の概要: ToolLoop: Closed-Loop Tool-Use Data Synthesis via Decomposed Generation and Dynamic Self-Feedback

• arxiv url: http://arxiv.org/abs/2609.09072v1
• Date: Tue, 08 Sep 2026 17:26:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-11 14:55:57.014847
• Title: ToolLoop: Closed-Loop Tool-Use Data Synthesis via Decomposed Generation and Dynamic Self-Feedback
• Title（参考訳）: ToolLoop: 分解生成と動的自己フィードバックによるクローズドループツール利用データ合成
• Abstract要約: 高品質のツール使用データは、言語モデルをトレーニングし、外部ツールと効果的に対話するために重要である。 合成を3段階に分解するクローズドループフレームワークであるToolLoopを提案する。 動的自己フィードバックは、モデルを高品質な生成に向けて反復的に導く。
• 参考スコア（独自算出の注目度）: 10.658946043856124
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: High-quality tool-use data is critical for training language models to interact effectively with external tools. However, existing synthetic approaches typically follow a generate-then-filter paradigm with static post-hoc verification, often yielding inefficient data with imbalanced feature distributions. We propose ToolLoop, a closed-loop framework that decomposes synthesis into three progressive stages: (1) sampling function name combinations as ground truth; (2) backward derivation of user queries; and (3) forward derivation of tool calls. At each stage, dynamic self-feedback iteratively guides the model toward high-quality generation, realizing a transition from generate-then-filter to generate-verify-refine. On the Berkeley Function Calling Leaderboard (BFCL), a 4B parameter model trained with our 11K synthetic examples achieves 86.40% accuracy in non-reasoning mode, while an Isolate variant that removes BFCL-overlapping candidate functions still reaches 86.07\%. Cross-benchmark evaluation on ACEBench further demonstrates strong generalization, with 72.1% overall accuracy using only 18.3% of baseline training data.
• Abstract（参考訳）: 高品質のツール使用データは、言語モデルをトレーニングし、外部ツールと効果的に対話するために重要である。 しかし、既存の合成手法は通常、静的なポストホック検証を伴う生成-then-filterパラダイムに従っており、しばしば不均衡な特徴分布を持つ非効率なデータを生成する。 本稿では,(1)関数名の組み合わせを基底としてサンプリングすること,(2)ユーザクエリの後方から導出すること,(3)ツールコールの前方から導出すること,の3つの段階に,合成を分解するクローズドループフレームワークであるToolLoopを提案する。 各段階で、動的自己フィードバックはモデルを高品質な生成に向けて反復的に誘導し、生成-then-filterから生成-verify-refineへの遷移を実現する。 バークレー関数呼び出しリーダーボード(BFCL)では、我々の11K合成例で訓練された4Bパラメータモデルが、非推論モードで86.40%の精度を達成する一方、BFCLの重複する候補関数を除去するIsolate変異は86.07\%に達する。 ACEBenchでのクロスベンチマーク評価は、さらに強力な一般化を示し、72.1%の精度でベースライントレーニングデータの18.3%しか使用していない。

関連論文リスト

• An Expanded Synthetic Conversation Dataset for Multi-Turn Smishing Detection [0.0]
  我々は,8つの年長ターゲット詐欺カテゴリにまたがる10,985の会話データセットであるCOVA-Xを提案する。 LongformerはXGBoostの精度を79.71%、マクロF1は0.7786、XGBoostは78.43%、マクロF1は0.7563となっている。
  論文  参考訳（メタデータ） (2026-06-05T03:46:36Z)
• Models Can Model, But Can't Bind: Structured Grounding in Text-to-Optimization [54.749573452394664]
  定式化自体が単純である場合でも、インスタンスデータが大きくなるにつれて精度が低下する。 我々は, 数値データを構造化ファイルに外部化する単純な推論時アプローチであるBINDを用いて, モデルがプロンプトプロンプトからではなく, データをバインドする。 我々は,モデルのみをバインディングのみに微調整することで仮説を検証し,3つの構造的に異なる最適化カテゴリにおいて,エンドツーエンドのSFTおよびRLよりも優れていることを示す。
  論文  参考訳（メタデータ） (2026-05-20T21:25:41Z)
• UniToolCall: Unifying Tool-Use Representation, Data, and Evaluation for LLM Agents [22.52508596251479]
  構築とデータセット生成から評価に至るまで,パイプライン全体を標準化するツール学習用統合フレームワークであるUniToolCallを提案する。 我々は、7つの公開ベンチマークを、関数呼び出し、ターン、会話のレベルできめ細かい評価を施した、クエリ-Action--Observation-Answer (QAOA) 表現に変換する。 Anchoror-Heavy Hybrid-20では、1ターンのStrict Precisionを93.0%達成し、GPT、Gemini、Claudeといった商用モデルを上回っている。
  論文  参考訳（メタデータ） (2026-04-13T14:43:47Z)
• Controllable and Verifiable Tool-Use Data Synthesis for Agentic Reinforcement Learning [82.89535601592739]
  マルチレベル検証を用いた自己進化型合成により,信頼性の高い基本ツール利用軌跡を生成する2段階パイプラインを提案する。 これらの拡張は、トラクタツール、間接的または曖昧なユーザクエリ、ノイズ、マルチフォーマット、あるいは誤ったツール出力を導入します。 本設計では,標準事例に対する参照マッチングによる報酬の自動計算と,エラー検出などの特別な動作に対する軽量な判断支援検証を実現する。
  論文  参考訳（メタデータ） (2026-04-10T18:38:52Z)
• Close the Loop: Synthesizing Infinite Tool-Use Data via Multi-Agent Role-Playing [16.839489120513505]
  InfToolは3つの協調エージェントを編成し、単一のターン呼び出しから複雑なマルチステップのゲートコールにまたがる多様な検証されたトラジェクトリを生成する。 InfToolは、ベース32Bモデルを19.8%から70.9%の精度(+258%)に変換し、Claude-Opusより10倍大きく、競合するClaude-Opusを上回ります。
  論文  参考訳（メタデータ） (2025-12-29T17:12:39Z)
• LoopTool: Closing the Data-Training Loop for Robust LLM Tool Calls [46.34510189812439]
  LoopToolは、完全に自動化され、モデル対応のデータ進化フレームワークである。 3つの相乗的モジュールを通して、データとモデルを反復的に洗練する。 実験によると、LoopToolでトレーニングした8Bモデルは、32Bデータジェネレータを大幅に上回っている。
  論文  参考訳（メタデータ） (2025-11-12T09:34:39Z)
• RoboTwin 2.0: A Scalable Data Generator and Benchmark with Strong Domain Randomization for Robust Bimanual Robotic Manipulation [52.2244588424002]
  我々は,多様かつ現実的なデータの自動生成のためのスケーラブルなフレームワークであるRoboTwin 2.0を紹介する。 コアとなるRoboTwin-ODは、セマンティックおよび操作関連アノテーションを備えた147カテゴリにわたる771インスタンスのオブジェクトライブラリである。 sim-to-real転送を改善するために、RoboTwin 2.0は5つの軸に沿って構造化された領域ランダム化を適用する。
  論文  参考訳（メタデータ） (2025-06-22T16:26:53Z)
• Learning to Solve and Verify: A Self-Play Framework for Code and Test Generation [69.62857948698436]
  大規模言語モデル(LLM)の最近の進歩は、コーディングベンチマークのパフォーマンスを改善している。 しかし、手軽に利用できる高品質なデータの枯渇により、改善は停滞している。 本稿では,単一モデルのコードとテスト生成能力を共同で改善するセルフプレイ・ソルバ検証フレームワークであるSol-Verを提案する。
  論文  参考訳（メタデータ） (2025-02-20T18:32:19Z)
• TD3: Tucker Decomposition Based Dataset Distillation Method for Sequential Recommendation [50.23504065567638]
  本稿では,メタラーニングフレームワークにおける textbfDataset textbfDistillation 手法である textbfTD3 を紹介する。 TD3は、オリジナルのデータから完全に表現力のある合成配列の要約を蒸留する。 拡張技術により、学習者は合成要約を忠実に適合させ、アンプループでの正確な更新を確実にすることができる。
  論文  参考訳（メタデータ） (2025-02-05T03:13:25Z)
• iTool: Reinforced Fine-Tuning with Dynamic Deficiency Calibration for Advanced Tool Use [56.31110409360567]
  大規模な言語モデルを外部ツールで拡張することは、その機能を強化するための有望なアプローチである。 その結果, 合成データの増加に伴い, トレーニングは著しく低下することがわかった。 我々は,この制限を緩和するために,反復的に強化された微調整戦略を提案する。
  論文  参考訳（メタデータ） (2025-01-15T04:52:34Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。