如何讓小規(guī)模語(yǔ)言模型像 GPT-4 一樣使用任意工具是一個(gè)非常有價(jià)值的研究課題。中國(guó)科學(xué)院軟件研究所中文信息處理實(shí)驗(yàn)室提出了一種語(yǔ)言模型的工具學(xué)習(xí)新框架，該框架利用基于大模型的多智能體模擬交互策略，可以自動(dòng)生成多樣化的工具使用數(shù)據(jù)集，并使用生成的數(shù)據(jù)集對(duì)小模型進(jìn)行微調(diào)。論文的實(shí)驗(yàn)驗(yàn)證了僅需要使用三千多個(gè)多樣化的工具調(diào)用實(shí)例，就能夠使小型模型獲得與極大規(guī)模模型相媲美的通用工具使用能力。

具體來(lái)說(shuō)，本文的核心工作包括：

1. 提出一種基于大模型的多智能體模擬交互策略，用于生成工具使用數(shù)據(jù)集。這種方法能在最小化人工干預(yù)的前提下，生成大量且多樣化的工具使用數(shù)據(jù)集；

2. 開(kāi)源了一個(gè)涵蓋超過(guò)400個(gè)工具，三千多條實(shí)例的模擬工具使用數(shù)據(jù)集，為探索通用工具使用能力奠定了基礎(chǔ)；

3. 通過(guò)實(shí)驗(yàn)，驗(yàn)證了在多樣化工具使用數(shù)據(jù)集上進(jìn)行微調(diào)，能夠使小型模型獲得與極大規(guī)模模型相媲美的通用工具使用能力。

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

數(shù)據(jù)：https://github.com/tangqiaoyu/ToolAlpaca

背景工具的使用在人類(lèi)進(jìn)化史上占據(jù)了重要的地位，對(duì)于語(yǔ)言模型來(lái)說(shuō)，這一點(diǎn)同樣適用。當(dāng)語(yǔ)言模型能夠熟練運(yùn)用各種工具，它們就能突破自身的局限，獲取最新的信息，幫助用戶利用各種服務(wù)，并提升回答的精確性。 如今，OpenAI 的 GPT-4 已經(jīng)可以通過(guò)插件的形式接入和使用各種第三方工具，同時(shí)這類(lèi)超大型的語(yǔ)言模型支持通過(guò)僅給定配置文件的情況下，以即插即用的方式使用之前模型訓(xùn)練過(guò)程中未見(jiàn)過(guò)的工具，這一泛化性的工具使用能力大大豐富了模型調(diào)動(dòng)資源解決復(fù)雜問(wèn)題的手段。然而，對(duì)于較小的語(yǔ)言模型，例如 Moss、ToolLLaMA 等，它們使用工具的能力仍然來(lái)源于在特定工具的數(shù)據(jù)集上進(jìn)行監(jiān)督學(xué)習(xí)。這使得這些模型的工具使用能力受限于在訓(xùn)練過(guò)程中接觸過(guò)的工具，尚未真正獲得通用的工具使用能力。上述的對(duì)比引出了研究人員所關(guān)注的一個(gè)核心研究問(wèn)題，即是否有可能讓較小規(guī)模的語(yǔ)言模型也具備有泛化地使用各種不同的、未見(jiàn)過(guò)的工具的能力，進(jìn)而讓它們能夠更好地與更廣泛的工具進(jìn)行交互，從而提升模型利用現(xiàn)實(shí)世界的資源解決問(wèn)題的手段。

ToolAlpaca：通用工具使用能力學(xué)習(xí)新框架

受 Alpaca 通過(guò)微調(diào)讓小模型學(xué)會(huì)通用指令遵循啟發(fā)，中文信息處理實(shí)驗(yàn)室的研究人員探索了通過(guò)在通用工具使用數(shù)據(jù)集上微調(diào)較小規(guī)模的語(yǔ)言模型，讓它們獲得通用工具使用能力。實(shí)現(xiàn)上述能力的一個(gè)核心難點(diǎn)在于需要構(gòu)建一個(gè)多樣化的工具使用數(shù)據(jù)集。然而，由于工具使用涉及復(fù)雜的多方交互，現(xiàn)今仍然缺乏公開(kāi)可用的多樣化工具使用數(shù)據(jù)集。為了解決這個(gè)挑戰(zhàn)，研究人員提出通過(guò)多智能體模擬交互的方式生成工具使用數(shù)據(jù)集。這種方法充分利用大模型強(qiáng)大的文本生成能力，在幾乎不需要任何人工干預(yù)的情況下構(gòu)建一個(gè)多樣化且真實(shí)的數(shù)據(jù)集。我們從構(gòu)建多樣化工具集開(kāi)始，之后利用多智能體模擬生成工具使用數(shù)據(jù)集，最后基于此訓(xùn)練出擁有通用工具使用能力的 ToolAlpaca 模型。

工具集構(gòu)建：我們首先從開(kāi)源倉(cāng)庫(kù) public-apis 中獲取工具的名稱(chēng)和簡(jiǎn)短描述作為初始信息，之后利用大語(yǔ)言模型通過(guò) prompt 的方式將其擴(kuò)展成自然語(yǔ)言形式的文檔，描述工具提供的每一個(gè)函數(shù)及其對(duì)應(yīng)的輸入。為了讓信息更為精細(xì)和結(jié)構(gòu)化，我們進(jìn)一步將這些自然語(yǔ)言文檔擴(kuò)展為遵循 OpenAPI 規(guī)范的文檔，詳盡描繪了每個(gè)函數(shù)的細(xì)節(jié)。結(jié)構(gòu)化文檔的使用不僅使我們的工具集更為細(xì)致和完備，同時(shí)也方便了我們的工具集與其他工具（如 ChatGPT 現(xiàn)有的 Plugin 等）進(jìn)行兼容。下圖為一個(gè)名為 Public Holidays 工具的示例。

工具使用實(shí)例生成：盡管我們已經(jīng)構(gòu)建了大規(guī)模且多樣化的工具集，但構(gòu)建工具使用數(shù)據(jù)集仍然是一項(xiàng)富有挑戰(zhàn)性的任務(wù)。首先，由于工具集是由大模型生成的，要根據(jù)工具集文檔構(gòu)造如此大量的真實(shí)工具，需要大量的編程和數(shù)據(jù)收集工作，幾乎不可能實(shí)現(xiàn)；其次，工具集本身包含了從通用到專(zhuān)用的各種領(lǐng)域的工具，使得構(gòu)造與工具相關(guān)的初始指令是困難的。為此，我們提出了一種多智能體模擬交互的策略來(lái)生成工具使用數(shù)據(jù)。我們利用大模型分別模擬用戶、AI 助手、工具執(zhí)行器這三個(gè)智能體，通過(guò)他們之間的交互來(lái)生成豐富且實(shí)用的工具使用數(shù)據(jù)。

如上圖所示，用戶發(fā)起最初的指令，并通過(guò)簡(jiǎn)單的交互提供更多必要的信息。工具執(zhí)行器則利用結(jié)構(gòu)化文檔作為提示，借助大模型來(lái)模擬工具的執(zhí)行過(guò)程，從而產(chǎn)生相應(yīng)的反饋。而AI助手則充當(dāng)兩者之間的橋梁，它幫助用戶調(diào)用各種工具以解決問(wèn)題，并最終對(duì)整個(gè)交互過(guò)程進(jìn)行總結(jié)，返回給用戶最終的響應(yīng)結(jié)果。通過(guò)這三個(gè)智能體的交互，我們成功構(gòu)建了一套能貼近真實(shí)場(chǎng)景需求的工具使用數(shù)據(jù)集。

ToolAlpaca 模型訓(xùn)練與測(cè)試：我們使用生成的數(shù)據(jù)集對(duì) Vicuna 模型進(jìn)行微調(diào)，以此得到最終的 ToolAlpaca 模型。在測(cè)試階段，ToolAlpaca 將擔(dān)任 AI 助手的角色，同時(shí)用戶和工具執(zhí)行器的角色仍由大模型扮演。

實(shí)驗(yàn)

最終，我們利用 ChatGPT 和 GPT-3.5 構(gòu)造了一個(gè)包含超過(guò)400個(gè)工具、3900多條工具使用實(shí)例的模擬數(shù)據(jù)集，數(shù)據(jù)集基本統(tǒng)計(jì)信息如下圖所示。

之后，我們?cè)赩icuna 模型上進(jìn)行微調(diào)，得到 ToolAlpaca 模型。為了評(píng)估模型的泛化性能，我們?cè)?0種未包含在訓(xùn)練集中的工具上構(gòu)造了含有100條數(shù)據(jù)的測(cè)試集，并通過(guò)人工評(píng)價(jià)對(duì)模型的工具調(diào)用過(guò)程和整體性能進(jìn)行了評(píng)估。評(píng)測(cè)結(jié)果如下圖所示。

實(shí)驗(yàn)結(jié)果表明，無(wú)論是7B還是13B的模型，經(jīng)過(guò)在 ToolAlpaca 數(shù)據(jù)集上的訓(xùn)練后，其性能都有了顯著的提升。值得注意的是，ToolAlpaca 在測(cè)試集上的整體性能已經(jīng)接近于 GPT-3.5 的表現(xiàn)。這些實(shí)驗(yàn)結(jié)果驗(yàn)證了我們構(gòu)建數(shù)據(jù)集的有效性，同時(shí)也回答了我們最開(kāi)始提出的問(wèn)題：通過(guò)在多樣化的工具使用數(shù)據(jù)集上微調(diào)，可以讓小模型獲得通用的工具使用能力。