ToolBench: 开源大语言模型的工具操作能力提升平台

RayRay
ToolBenchAI工具API大规模语言模型工具使用能力Github开源项目

ToolBench: 开源大语言模型的工具操作能力提升平台

近年来,大语言模型(LLMs)在各种自然语言处理任务中展现出惊人的能力。然而,如何使这些模型能够熟练地操作和使用各种软件工具,仍然是一个具有挑战性的研究课题。为了推动这一领域的发展,来自多所知名高校和研究机构的研究人员联合推出了ToolBench项目。这个开源项目旨在构建一个全面的平台,用于提升开源大语言模型的工具操作能力。

ToolBench的核心组成

ToolBench项目包含以下几个核心组成部分:

  1. 大规模高质量数据集
  2. 训练和评估脚本
  3. ToolLLaMA模型
  4. ToolEval评估基准

这些组成部分共同构成了一个完整的工具学习生态系统,为研究人员提供了丰富的资源来增强语言模型的工具使用能力。

数据集构建

ToolBench的数据集构建过程充分利用了最新的人工智能技术。研究人员使用升级后的ChatGPT(gpt-3.5-turbo-16k)模型,通过自动化的方式生成了大量高质量的指令调优数据。这些数据涵盖了各种真实世界的API和工具使用场景,为模型的训练提供了丰富多样的样本。

ToolBench数据集构建流程

如上图所示,ToolBench的数据构建流程包括以下几个步骤:

  1. API收集:从RapidAPI平台收集了16,464个代表性的REST API
  2. 指令生成:针对单工具和多工具场景生成指令
  3. 答案标注:开发了基于深度优先搜索的决策树(DFSDT)方法,增强了模型的规划和推理能力
  4. API检索:集成API检索功能,使ToolLLaMA具备开放域工具使用能力

ToolLLaMA模型

ToolLLaMA是ToolBench项目的核心模型,它在ToolBench数据集上进行了微调。目前,研究团队发布了以下几个版本的ToolLLaMA模型:

这些模型在多任务场景下进行了训练,能够处理各种工具操作相关的任务。

ToolEval评估基准

为了客观评估模型的工具操作能力,研究人员开发了ToolEval评估基准。ToolEval借鉴了AlpacaEval的思路,引入了两个关键的评估指标:

  1. 通过率(Pass Rate):计算在有限的OpenAI API调用次数内成功完成指令的比例
  2. 偏好度(Preference):通过比较两个答案(动作序列)来衡量对给定指令的处理效果

ToolEval使用ChatGPT作为评估器,根据预定义的标准对模型生成的答案进行评判。为了提高评估的可靠性,每对答案会被多次评估。研究表明,ToolEval的评估结果与人类评估具有高度一致性,通过率的一致性达到87.1%,胜率的一致性达到80.3%。

ToolBench的实际应用

ToolBench不仅提供了丰富的研究资源,还开发了实用的工具和接口,方便研究人员和开发者使用:

  1. Web UI:基于Chatbot UI开发的交互界面,允许用户直观地体验ToolLLaMA的能力
  2. 推理接口:提供了多种方式进行模型推理,包括使用ToolBench团队提供的RapidAPI服务器或用户自己的RapidAPI账户
  3. API自定义:支持用户添加自定义API,扩展模型的应用范围

这些功能大大降低了研究人员和开发者使用ToolBench的门槛,促进了工具学习领域的快速发展。

ToolBench的影响和未来展望

ToolBench项目的推出,为开源大语言模型的工具操作能力研究提供了一个全面的平台。通过提供高质量的数据集、先进的模型和可靠的评估基准,ToolBench极大地推动了这一领域的发展。

在未来,ToolBench团队计划持续改进数据质量,并扩大对真实世界工具的覆盖范围。这将进一步增强ToolLLaMA模型的能力,使其能够应对更加复杂和多样化的工具操作场景。

总的来说,ToolBench为人工智能研究社区提供了一个宝贵的资源,有望推动大语言模型在工具操作方面取得突破性进展,为未来更智能、更实用的AI系统铺平道路。

ToolBench性能对比

如上图所示,ToolLLaMA在多项任务中已经达到了与ChatGPT相当的性能水平,展现出了巨大的潜力。随着ToolBench项目的不断发展和完善,我们有理由相信,开源大语言模型在工具操作能力方面将会取得更加显著的进步,为人工智能的发展做出重要贡献。

编辑推荐精选

讯飞智文

讯飞智文

一键生成PPT和Word,让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级,全面对标OpenAI o1

科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。

Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
咔片PPT

咔片PPT

AI助力,做PPT更简单!

咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文,一站式创作,让内容运营更高效

讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台,公文写作神器

AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

下拉加载更多