Google 提出 ToolGrad 工具使用資料生成框架：採「先給答案」範式，微調 Gemma-3-12B 跑分達 83.1 超越 GPT-5

Google Research 提出 ToolGrad，這是一個用於生成工具使用（tool-use）資料集的框架，將於 ACL 2026 發表。有別於傳統先生成使用者指令再搜尋解決方案的方法，ToolGrad 採用「先給答案（answer-first）」範式，先生成正確的工具使用鏈，再標註對應的使用者提示，只需一次 LLM 步驟即可完成。 該框架借鑒 TextGrad 的「文本梯度（textual gradients）」概念，透過四個核心模組迭代構建 API 工作流：由 API Proposer 篩選候選 API，API Executors 平行測試並生成報告，API Selector 選擇最佳 API 呼叫作為文本梯度提供方向性回饋，最後由 LLM Updater 修改合成的使用者查詢與 AI 回應。 研究團隊使用 ToolBench 的 1.6 萬個真實 API，並透過 gemini-2.5-flash-lite 生成 ToolGrad-500 資料集，藉此微調 Gemma-3 模型（1B、4B、12B）。在 Berkeley Function Calling Leaderboard (BFCL) 評測中，ToolGrad-12B 獲得 83.1 分，超越 gpt-5（74.4）與 claude-4.5 Opus（82.8），逼近 gemini-2.5-pro（83.2）。此外，該模型表現超越了生成訓練資料的教師模型，並領先 ToolACE 與 Hammer-2.1-7B 等開源工具專用模型。