HYUKI5/Team-ACE__ToolACE

Team-ACE/ToolACE（複製）

データの内容

ToolACE という自動化されたパイプラインで生成した、関数呼び出し（ツール利用）の学習データ。1 行が 1 件の対話で、conversations に from と value の組として発話が順に並ぶ。多数の API を集めたプールを使い、複数のエージェントの相互作用で対話を生成し、ルールによる検査とモデルによる検査の二層で検証したと書かれている。

データの概要

項目	値
行数	11,300（1 構成・1 分割の合計）
列数	2
容量	37.16 MB（ファイル 3 本）
ファイルの形式	json 1
言語	en, zh
公開	public

構成と分割

構成（config）	分割（split）ごとの行数	列数
default	train 11,300	2

列（構成 default・分割 train）

列	型	先頭の行の値
system	string	You are an expert in composing functions. You ar…
conversations	list<struct{from: string, value: string}>	[10 件]

行数と列は HF のデータセットビューアの集計（元のデータセットの現在の版で数えたもの）。全データセットの一覧は HYUKI5/dataset-catalog にある。

複製について

Team-ACE/ToolACE をリビジョン 6bda777c88d21e5a204703c1ee45597a8fa4f734 の時点でそのまま複製したもの。中身は変えていない。判断モデル Laya（convaiinnovations/laya）の微調整に使う候補として、調査メモ（Laya 学習用データセット調査）に載せたデータを集めている。

出典

• 元のデータセット: https://huggingface.co/datasets/Team-ACE/ToolACE
• 複製したリビジョン: 6bda777c88d21e5a204703c1ee45597a8fa4f734（2024-09-04 02:37:59+00:00）
• 元のライセンス表記: apache-2.0

論文

• https://arxiv.org/abs/2409.00920

アノテーションの方法

元のカードにアノテーションの節が無かった。下の「調査メモの記述」と「元のカード」を参照。

微調整に使うときの注意

• 調査メモの台帳での区分: B（継承条件・gated・モデル由来の条件・上流の規約などが付く）。区分は記載の文言で機械的に付けたもので、法的な判定ではない。学習に入れる前に元のカードとライセンスの原文で確かめる。
• Laya の入力は 2,048 token まで（ModernBERT-large / mmBERT）。長い本文は先頭から黙って切られるので、切れる行は事前に除くか、要約・切り出しをしてから入れる。
• 分割は記事・文書単位で行い、同じ本文から作った別の問いを学習側と較正側に分けない。温度と閾値は学習に使っていない分割で別々に当てる。

調査メモの記述

メモ	節	ライセンス（記載）	確認	注記
routing_support_structured.md	Q2. インテント分類・ルーティング系 (L61)	apache-2.0	確認済	確認印なし(各ファイルの凡例により確認済扱い) ／ 原文注記: arXiv:2409.00920。合成
jev_sources_community.csv	CSV（sulabhkatiyar/typed-decisions-english-training-mix）	licence_tier=default	確認済	[Jev 元データ source] 上流の人手ラベル中心（約 8% が soft。label_kind = human/program/teacher）

元のカード（日本語訳）

以下は元のデータセットのカードの本文を日本語に訳したもの（機械翻訳）。訳に疑問があるときは、末尾の原文を確かめる。

---

ToolACE

ToolACE は、正確で、複雑で、多様なツール学習データを生成するための、自動化されたエージェント型のパイプラインである。 ToolACE は新しい自己進化型の合成プロセスを使い、26,507 の多様な API を網羅する API プールを整備する。 さらに、形式化された思考過程に導かれた複数のエージェントの相互作用によって対話を生成する。 データの正確さを保つため、ルールベースのチェックとモデルベースのチェックを組み合わせた二層の検証システムを実装している。 詳細は arXiv の論文 ToolACE: Winning the Points of LLM Function Calling にある。

ToolACE で微調整したモデルは hf で公開されており、関数呼び出しのリーダーボード BFCL で有望なスコアを獲得している。

引用

ToolACE が研究に役立つと考えたら、次の論文を引用してほしい:

@misc{liu2024toolacewinningpointsllm,
      title={ToolACE: Winning the Points of LLM Function Calling}, 
      author={Weiwen Liu and Xu Huang and Xingshan Zeng and Xinlong Hao and Shuai Yu and Dexun Li and Shuai Wang and Weinan Gan and Zhengying Liu and Yuanqing Yu and Zezhong Wang and Yuxian Wang and Wu Ning and Yutai Hou and Bin Wang and Chuhan Wu and Xinzhi Wang and Yong Liu and Yasheng Wang and Duyu Tang and Dandan Tu and Lifeng Shang and Xin Jiang and Ruiming Tang and Defu Lian and Qun Liu and Enhong Chen},
      year={2024},
      eprint={2409.00920},
      archivePrefix={arXiv},
      primaryClass={cs.LG},
      url={https://arxiv.org/abs/2409.00920}, 
}

原文（英語）

ToolACE

ToolACE is an automatic agentic pipeline designed to generate Accurate, Complex, and divErse tool-learning data. ToolACE leverages a novel self-evolution synthesis process to curate a comprehensive API pool of 26,507 diverse APIs. Dialogs are further generated through the interplay among multiple agents, guided by a formalized thinking process. To ensure data accuracy, we implement a dual-layer verification system combining rule-based and model-based checks. More details can be found in our paper on arxiv: ToolACE: Winning the Points of LLM Function Calling.

The model finetuned with ToolACE is released in hf, winning promising scores on the functional calling leaderboard BFCL.

Citation

If you think ToolACE is useful in your work, please cite our paper:

@misc{liu2024toolacewinningpointsllm,
      title={ToolACE: Winning the Points of LLM Function Calling}, 
      author={Weiwen Liu and Xu Huang and Xingshan Zeng and Xinlong Hao and Shuai Yu and Dexun Li and Shuai Wang and Weinan Gan and Zhengying Liu and Yuanqing Yu and Zezhong Wang and Yuxian Wang and Wu Ning and Yutai Hou and Bin Wang and Chuhan Wu and Xinzhi Wang and Yong Liu and Yasheng Wang and Duyu Tang and Dandan Tu and Lifeng Shang and Xin Jiang and Ruiming Tang and Defu Lian and Qun Liu and Enhong Chen},
      year={2024},
      eprint={2409.00920},
      archivePrefix={arXiv},
      primaryClass={cs.LG},
      url={https://arxiv.org/abs/2409.00920}, 
}