本記事では、マルチターン関数呼び出し(FunReason-MT)における複雑性を克服するための新しいデータ生成フレームワーク「FunReason-MT」が紹介されています。大規模な言語モデル(LLM)や自律エージェントが外部ツールと対話する能力は、複雑な現実の問題を解決するために不可欠です。しかし、現行のデータ合成手法は、高品質なトレーニングデータを生成するには不十分です。FunReason-MTは、1) 環境-APIグラフインタラクションを通じて多様な高品質の軌跡を収集し、2) 高度なツール-クエリ合成により難解なクエリの構築を簡素化し、3) 洗練されたCoT生成のためのガイド付き反復チェーンを採用しています。これにより、マルチターンFCデータの複雑性を解消し、Berkeley Function-Calling Leaderboard(BFCLv3)での評価結果では、FunReason-MTを基にした4Bモデルが同等のサイズのモデルの中で最先端の性能を示しました。この研究は、エージェンティック学習のための信頼性の高いデータソースを提供することを確認しています。