Google Research aprašė ToolGrad – metodą kalbos modelių mokymo duomenims rengti. Įprasta eiga prasideda nuo sugalvoto vartotojo klausimo, po kurio agentas bandymų būdu ieško tinkamų įrankių ir jų naudojimo sekos. ToolGrad pirmiausia sukuria sprendimo veiksmus, o tik tada parengia juos atitinkančią vartotojo užklausą.
Tyrėjų teigimu, ši kryptis padeda efektyviau kurti ilgesnių užduočių pavyzdžius. Straipsnyje pateikiami rezultatai rodo pagerėjusį įrankių naudojimą modeliams, mokytiems su sugeneruotais duomenimis. Publikacijoje taip pat pateikiama nuoroda į mokslinį darbą ir projekto kodą, todėl metodą galima nagrinėti detaliau.
INVIS vertinimu, ši naujiena aktuali komandoms, kurios kuria specializuotus agentus darbui su API. Gerų pavyzdžių kokybė gali lemti, ar agentas nuosekliai atliks reikiamą operacijų grandinę. Vis dėlto sintetinis teisingas pavyzdys dar neapima visų realios aplinkos išimčių: leidimų trūkumo, pasikeitusios API ar netikėto atsakymo.
Kodėl tai svarbu?
Agentų patikimumą lemia ir mokymo pavyzdžių struktūra, todėl geresnis duomenų rengimas gali būti alternatyva vien didesniam modeliui.
