LoopTool - 데이터 진화 프레임워크를 호출하는 상하이교통대학교와 리틀 레드북의 오픈 소스 자동화 도구

22.6K 00

루프툴이란 무엇인가요?

LoopTool은 상하이 자오통 대학과 샤오홍슈 팀이 오픈소스화한 자동화된 도구 호출 데이터 진화 프레임워크로, 대규모 언어 모델의 도구 호출 기능을 향상시키기 위해 설계되었습니다. 클로즈드 소스 API에 의존하지 않고 오픈 소스 모델(예: Qwen3-32B)을 데이터 생성기 및 판별기로 사용하여 폐쇄 루프 반복을 통해 데이터 생성 및 모델 훈련을 최적화하며, 핵심 모듈에는 다중 지능형 신체 대화 생성, 역량 감지, 라벨 검사, 오류 중심 데이터 확장이 포함되어 있어 모델의 약점을 동적으로 식별하고 고품질 훈련 데이터를 생성할 수 있습니다. 실험 결과 LoopTool 기반 8B 모델은 도구 호출 벤치마크 테스트에서 32B 생성기 모델보다 성능이 뛰어나며, BFCL-v3 및 ACEBench 목록에서 동일한 크기에서 최고의 결과를 달성했습니다.

루프툴 기능

역량 진단 및 단점 파악루프툴은 욕심 많은 역량 프로빙(GCP) 모듈을 통해 툴 호출 작업에 대한 모델의 역량을 진단하고, 모델이 보유한 역량과 미숙달한 역량을 정확하게 파악하며, 모델의 단점과 오류 패턴을 파악하고, 후속 데이터 최적화를 위한 방향을 제시할 수 있습니다.
라벨 수정 및 품질 개선판단 유도 라벨 검증(JGLV) 모듈을 통해 LoopTool은 오픈 소스 모델을 판독기로 사용해 모델 예측의 정확도를 원본 라벨과 비교하고 잘못된 라벨을 자동으로 수정하여 데이터 세트의 전반적인 품질을 개선하고 학습 데이터의 정확성을 보장합니다.
데이터 확장 및 까다로운 샘플 생성오류 중심 데이터 확장(EDDE) 모듈을 통해 LoopTool은 모델의 오류 사례를 기반으로 새로운 도전적인 샘플을 생성하여 데이터 세트에서 어려운 샘플의 수와 다양성을 증가시키고 복잡한 문제에 직면했을 때 모델이 자체 도구 호출 기능을 지속적으로 개선하도록 유도합니다.
폐쇄 루프 최적화 및 동적 진화LoopTool은 데이터와 모델 사이에 폐쇄형 루프를 구축하여 데이터 생성, 라벨 수정, 모델 학습을 긴밀하게 통합합니다. 모델 기능이 향상됨에 따라 데이터 세트도 동적으로 진화하여 '데이터가 모델을 학습하고 모델이 데이터를 안내하는' 긍정적인 사이클을 형성하여 모델의 성능을 지속적으로 향상시킵니다.
오픈 소스 생태 및 비용 관리이 프레임워크는 데이터 생성 및 평가를 완료하기 위해 전적으로 오픈 소스 모델에 의존하므로 폐쇄 소스 API가 필요하지 않고 비용을 절감하는 동시에 데이터 생성 및 평가의 유연성과 확장성을 보장하여 전체 최적화 프로세스를 보다 효율적이고 지속 가능하게 만듭니다.

루프툴의 핵심 강점

폐쇄 루프 최적화 및 동적 진화데이터와 모델 간의 폐쇄형 루프를 구축하여 데이터 생성, 라벨 보정, 모델 학습을 긴밀하게 통합함으로써 학습 데이터가 모델 기능과 함께 동적으로 진화하여 긍정적인 사이클을 형성하도록 합니다.
대폭적인 성능 개선도구 호출 작업에서 LoopTool로 훈련된 모델은 동일한 크기의 다른 모델보다 훨씬 뛰어난 성능을 보이며, 일부 벤치마크에서는 더 큰 데이터 생성기보다 더 뛰어난 성능을 보여줌으로써 뛰어난 최적화를 입증했습니다.
향상된 일반 용량도구 호출 기능 향상 외에도 LoopTool은 명령어 추종 및 코드 생성과 같은 다른 범용 작업에 대한 모델의 성능을 향상시켜 복잡한 작업을 일반화하고 처리하는 모델의 능력을 향상시킵니다.
효율적인 데이터 활용오류 기반 데이터 확장 및 라벨 보정을 통해 LoopTool은 데이터를 효율적으로 활용하여 고품질의 까다로운 샘플을 생성하고 복잡한 문제를 처리하는 모델의 능력을 향상시킬 수 있습니다.
광범위한 적용 가능성LoopTool은 다양한 크기의 모델에 적용할 수 있으며 8B 및 32B 모델 모두에서 우수한 최적화 결과를 보여주며 폭넓은 적용성과 확장성을 제공합니다.

루프툴의 공식 웹사이트는 무엇인가요?

GitHub 리포지토리:: https://github.com/Rednote-DeepExperience/LoopTool
허깅페이스 모델 라이브러리:: https://huggingface.co/papers/2511.09148
arXiv 기술 논문:: https://arxiv.org/pdf/2511.09148

루프툴의 대상

대규모 언어 모델링 개발자언어 모델 도구 호출 기능을 개선하고자 하는 개발자는 LoopTool을 사용하여 모델 성능을 최적화하고 실제 애플리케이션에서 모델의 성능을 향상시킬 수 있습니다.
인공 지능 연구원모델 최적화 및 데이터 진화에 관심이 있는 AI 연구자는 LoopTool을 사용하여 새로운 모델 학습 방법과 데이터 향상 전략을 탐색할 수 있습니다.
오픈 소스 커뮤니티 기여자오픈소스 분야에 기여하고 혜택을 받고자 하는 연구자 및 개발자를 위한 LoopTool은 전적으로 오픈소스 모델에 의존하며 오픈소스 커뮤니티 참여자에게 적합합니다.
기업 기술팀모델 효율성을 개선하고 비용을 절감해야 하는 엔터프라이즈 기술 팀은 LoopTool을 통해 제한된 리소스로 모델 최적화를 달성할 수 있습니다.
학술 연구 기관언어 모델링 및 AI 연구에 중점을 둔 학술 기관은 LoopTool을 연구 도구로 사용하여 관련 분야의 학문적 발전을 도모할 수 있습니다.