AI Papers Daily

#function calling

3 篇

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

ToolLoop：基于分解生成与动态自反馈的闭环工具使用数据合成

🧭 工具调用数据合成 · 闭环自反馈 ★ 深度解读

vivo AI Lab

用分解生成与阶段自反馈替代一次性生成过滤，11K数据训练4B模型在BFCL达86.40%

📌 工作参考价值（4 点）

• 电商/推荐系统若需训练Agent调用商品搜索、订单查询、优惠券服务等API，可借鉴ToolLoop三阶段分解：先选函数组合作为ground truth，再反向生成用户query，最后正向生成tool call，确保用户意图与工具调用严格对齐，避免生成噪音。
• 动态自反馈比静态过滤更高效：在合成训练数据时，用LLM验证器+规则+AST解析发现错误后，将具体问题反馈给生成模型进行修正（最多3次），而不是直接丢弃，能保留困难样本、改善数据分布多样性，适用于query改写、搜索suggestion等数据合成。
• 候选函数构建采用embedding+K-means聚类+LLM采样，可迁移到电商API管理：将海量商品/订单等API按语义聚类，从每个簇采样构建候选集，既避免上下文过长，又保证候选API语义相关，提升筛选效率和训练效果。
• 移除与测试集重叠的函数后模型性能几乎不下降（86.40 vs 86.07），说明合成数据的价值在于构造过程的内部一致性而非记忆特定schema；业务中应关注数据生成流程的合理性，而非盲目扩大数据量或依赖特定API覆盖。

Agent | 2026-09-08 | cs.CL | score 8/10

tool-usesynthetic dataself-feedbackfunction callingLLMdata synthesis

From Production Traffic to Post-Training: Building a Self-Hosted LLM That Covers the Corporate Request Mix

从生产流量到后训练：构建覆盖企业请求的自托管 LLM

🧭 LLM 后训练 · 模块化 RL 与权重合并 ★ 深度解读

T-Tech

以模块化 GRPO 专家 + 两阶段 SLERP 融合替代联合多目标 RL，32B 模型在内部流量上超越约 7 倍参数基线并承接 50% 请求

📌 工作参考价值（4 点）

• 模块化 RL + 权重合并：在电商 Agent/工具调用/指令遵循等多目标后训练中，不要把所有 reward 联合训练；按能力轴独立 GRPO，再 SLERP 合并。新增能力只需训练一个专家、做 eval-only 融合系数搜索，避免重复调联合超参。
• 多语言 Function Calling 数据：不要直接翻译英文 FC 数据，要基于业务 API schema 原生生成（含本地语言参数值）；对 over-calling 可通过在训练数据里注入 synthetic irrelevance 抑制，而不是只改 reward。
• 面向线上真实流量构建离线 benchmark：用模板感知采样（mask 变量 token、LSH 分组、√count 预算）避免模板流量造成的伪多样性；评测按任务类型路由，分类/抽取用 reference verifier，开放生成用人工校准的 checklist judge，可显著提升评测与人工一致度。
• 自托管部署成本：32B 非 reasoning + FP8 vLLM 可覆盖大多数企业流量，较 235B 级别模型降低 2.8-3.9 倍 token 成本，适合做统一底座；但前沿 agentic 能力需保留大模型兜底。

Training | 2026-09-01 | cs.CL | score 8/10

LLM post-trainingGRPOSLERPfunction callinginstruction followingreward hacking

Reflective Prompt Tuning through Language Model Function-Calling

通过语言模型函数调用的反思式提示调优

🧭 提示优化 · 反思式优化 · 函数调用 ★ 深度解读

Megagon Labs

用LLM函数调用模拟人类提示工程师的迭代诊断-修订流程，结合结构化反馈与记忆机制提升提示性能与校准

📌 工作参考价值（4 点）

• 诊断-聚类-修订的迭代提示优化：可迁移到电商推荐/Agent系统中的LLM提示词优化，通过函数调用自动收集失败样本、聚类失败模式并生成针对性修订，实现Prompt的自我演进。
• 置信度校准融入优化目标：将Brier Score等校准指标纳入优化反馈与最终提示选择，有助于在电商风险评估、Agent主动退避（abstention）等场景中提升模型自报置信度的可靠性。
• 利用LLM函数调用能力解耦评估与修改：将“跑prompt→收集行为→聚类错误→生成报告”封装为可调用的诊断函数，让优化器专注决策，工程上可实现模块化、可追溯的自动提示调优流程。
• 历史记忆机制避免无效反复：积累历史诊断报告与修订记录，帮助优化器识别顽固错误、避免重复编辑，适用于长周期、多轮次的提示优化任务，如推荐系统召回策略的指令迭代。

LLM | 2026-05-19 | HF Daily | score 8/10

prompt optimizationfunction callingreflective tuningmemoryconfidence calibration