LoopTool - 上海交大联合小红书开源的自动化工具调用数据进化框架

LoopTool是什么

LoopTool是上海交通大学与小红书团队开源的自动化的工具调用数据进化框架，专为提升大语言模型的工具调用能力设计。通过闭环迭代优化数据生成与模型训练，利用开源模型（如Qwen3-32B）作为数据生成器和判别器，无需依赖闭源API。核心模块包括多智能体对话生成、能力探测、标签校验和错误驱动数据扩展，能动态识别模型薄弱点并生成高质量训练数据。实验显示，基于LoopTool的8B模型在工具调用基准测试中超越了32B生成器模型，并在BFCL-v3和ACEBench榜单上取得同规模最优成绩。

LoopTool的功能特色

• 能力诊断与短板识别：通过Greedy Capability Probing（GCP）模块，LoopTool能诊断模型在工具调用任务上的能力，精准识别模型已掌握和未掌握的能力点，确定模型的短板和错误模式，为后续的数据优化提供方向。
• 标签修正与质量提升：借助Judgement-Guided Label Verification（JGLV）模块，LoopTool利用开源模型作为评判者，比较模型预测与原标签的准确性，自动修正错误标签，提升数据集的整体质量，确保训练数据的准确性。
• 数据扩展与挑战性样本生成：通过Error-Driven Data Expansion（EDDE）模块，LoopTool基于模型的错误案例，生成新的挑战性样本，增加数据集中困难样本的数量和多样性，促使模型在面对复杂问题时不断提升自身的工具调用能力。
• 闭环优化与动态进化：LoopTool构建了数据与模型之间的闭环，实现数据生成、标签修正与模型训练的紧密结合。随着模型能力的提升，数据集也会动态进化，形成“数据训练模型、模型指导数据”的正向循环，持续提升模型的性能。
• 开源生态与成本控制：框架完全依赖开源模型完成数据生成与评估，无需闭源API，降低了成本，同时保证了数据生成和评估的灵活性和可扩展性，使整个优化过程更加高效和可持续。

LoopTool的核心优势

• 闭环优化与动态进化：通过构建数据与模型之间的闭环，实现数据生成、标签修正与模型训练的紧密结合，确保训练数据随着模型能力的提升而动态进化，形成正向循环。
• Значительные улучшения производительности：在工具调用任务上，LoopTool训练的模型显著超越了同规模的其他模型，甚至在某些基准测试中超越了更大规模的数据生成器，展现出卓越的优化效果。
• 通用能力增强：除了工具调用能力的提升，LoopTool还增强了模型在指令跟随、代码生成等其他通用任务上的表现，提升了模型的泛化能力和复杂任务处理能力。
• Эффективное использование данных：通过错误驱动的数据扩展和标签修正，LoopTool能够高效地利用数据，生成高质量且具有挑战性的样本，提升模型对复杂问题的处理能力。
• Широкий диапазон применимости：LoopTool适用于不同规模的模型，在8B和32B模型上均表现出良好的优化效果，具有广泛的适用性和可扩展性。

LoopTool官网是什么

• Репозиторий GitHub：https://github.com/Rednote-DeepExperience/LoopTool
• Библиотека моделей HuggingFace：https://huggingface.co/papers/2511.09148
• Технический документ arXiv：https://arxiv.org/pdf/2511.09148

LoopTool的适用人群

• 大型语言模型开发者：致力于提升语言模型工具调用能力的开发者，可以通过LoopTool优化模型性能，增强模型在实际应用中的表现。
• исследователь искусственного интеллекта：对模型优化和数据进化感兴趣的AI研究者，可以用LoopTool探索新的模型训练方法和数据增强策略。
• Участники сообщества с открытым исходным кодом：希望在开源领域贡献并受益的研究人员和开发者，LoopTool完全依赖开源模型，适合开源社区的参与者。
• Корпоративная техническая команда：需要提升模型效率和降低成本的企业技术团队，LoopTool能帮助他们在有限资源下实现模型优化。
• 学术研究机构：专注于语言模型和人工智能研究的学术机构，可以将LoopTool作为研究工具，推动相关领域的学术进展。