본 논문은 도구 사용이 가능한 지능형 에이전트의 기반이 되고 있는 대규모 언어 모델의 훈련 과정의 어려움을 해결하기 위해, 에이전트 스스로 고품질의 작업을 생성하는 자기 도전(Self-Challenging) 프레임워크를 제안합니다. 이 프레임워크는 에이전트가 먼저 도구와 상호 작용한 후 과제를 생성하는 '도전자' 역할을 수행하고, '명령어', '검증 함수', '해결책', '실패 사례'로 구성된 Code-as-Task라는 새로운 유형의 과제를 생성합니다. 그 후 에이전트는 '실행자' 역할을 수행하여 강화 학습을 통해 자체 생성한 과제들을 학습하며, 평가 피드백을 보상으로 사용합니다. M3ToolEval과 TauBench라는 두 가지 기존의 멀티턴 도구 사용 에이전트 벤치마크에 대한 평가 결과, 자체 생성 데이터만을 사용했음에도 불구하고 Llama-3.1-8B-Instruct 모델에서 2배 이상의 성능 향상을 달성했습니다.
