基于文本合成的多轮工具使用轨迹

这项研究介绍了一种名为 GEM 的创新数据合成方法，旨在解决大型语言模型在多轮工具使用场景中高质量训练数据稀缺的问题。研究者通过挖掘原始文本语料库中蕴含的丰富逻辑和解决问题的经验，将非结构化文本转化为多样化且真实的智能体操作轨迹。该流程包含文本过滤、工作流与工具提取、轨迹生成及复杂性优化四个关键阶段，并辅以严谨的校验机制。此外，团队还训练了一个专门的轨迹合成器，能够以更低成本和更高效的端到端方式生成高质量数据。实验证明，基于该方法训练的模型在 BFCL V3 等权威基准测试中表现卓越，展现出超越传统预定义工具模拟方法的泛化能力。