ToolAlpaca: Generalized Tool Learning for Language Models with 3000 Simulated Cases

要約

大規模な言語モデルが現実世界のツールを効果的に利用できるようにすることは、身体化されたインテリジェンスを実現するために重要です。
ツール学習への既存のアプローチは、主に GPT-4 などの非常に大規模な言語モデルに依存して、汎用化されたツール使用能力をゼロショット方式で獲得するか、教師あり学習を利用して限られた種類のツールをコンパクトなモデルでトレーニングしてきました。
ただし、より小さな言語モデルが、特定のツール固有のトレーニングなしで汎用的なツール使用能力を達成できるかどうかは依然として不明です。
この疑問に対処するために、この論文では、ツール使用コーパスを自動的に生成し、最小限の人的介入でコンパクトな言語モデル上で一般化されたツール使用能力を学習するように設計された新しいフレームワークである ToolAlpaca を紹介します。
具体的には、ToolAlpaca はまずマルチエージェント シミュレーション環境を構築することで包括的なデータセットを収集します。この環境には、50 の異なるカテゴリにわたる 400 以上の実世界のツール API からの 3938 個のツール使用インスタンスが含まれています。
その後、構築されたコーパスを使用してコンパクト言語モデルを微調整し、それぞれ ToolAlpaca-7B と ToolAlpaca-13B という 2 つのモデルが生成されます。
最後に、これらのモデルが特別なトレーニングなしでこれまで見たことのないツールを利用できるかどうかを評価します。
実験結果は、ToolAlpaca が GPT-3.5 のような非常に大規模な言語モデルに匹敵する効果的な汎用ツール使用機能を実現していることを示しています。
この検証は、一般化されたツール使用能力の学習がコンパクトな言語モデルで実現可能であるという概念を裏付けています。

要約(オリジナル)

Enabling large language models to effectively utilize real-world tools is crucial for achieving embodied intelligence. Existing approaches to tool learning have primarily relied on either extremely large language models, such as GPT-4, to attain generalized tool-use abilities in a zero-shot manner, or have utilized supervised learning to train limited types of tools on compact models. However, it remains uncertain whether smaller language models can achieve generalized tool-use abilities without specific tool-specific training. To address this question, this paper introduces ToolAlpaca, a novel framework designed to automatically generate a tool-use corpus and learn generalized tool-use abilities on compact language models with minimal human intervention. Specifically, ToolAlpaca first collects a comprehensive dataset by building a multi-agent simulation environment, which contains 3938 tool-use instances from more than 400 real-world tool APIs spanning 50 distinct categories. Subsequently, the constructed corpus is employed to fine-tune compact language models, resulting in two models, namely ToolAlpaca-7B and ToolAlpaca-13B, respectively. Finally, we evaluate the ability of these models to utilize previously unseen tools without specific training. Experimental results demonstrate that ToolAlpaca achieves effective generalized tool-use capabilities comparable to those of extremely large language models like GPT-3.5. This validation supports the notion that learning generalized tool-use abilities is feasible for compact language models.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google