[공지사항]을 빙자한 안부와 근황 
Show more

Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

APIGen-MT: Agentic Pipeline for Multi-Turn Data Generation via Simulated Agent-Human Interplay

Created by
  • Haebom

저자

Akshara Prabhakar, Zuxin Liu, Ming Zhu, Jianguo Zhang, Tulika Awalgaonkar, Shiyu Wang, Zhiwei Liu, Haolin Chen, Thai Hoang, Juan Carlos Niebles, Shelby Heinecke, Weiran Yao, Huan Wang, Silvio Savarese, Caiming Xiong

개요

본 논문은 다회차 상호작용을 위한 효과적인 AI 에이전트 훈련을 위해 고품질 데이터 생성을 위한 새로운 프레임워크인 APIGen-MT를 제시합니다. APIGen-MT는 LLM 검토자와 반복적인 피드백 루프를 활용하여 정확한 작업 청사진을 생성하는 에이전트 파이프라인과, 시뮬레이션된 사람-에이전트 상호작용을 통해 완전한 상호작용 경로를 생성하는 두 단계로 구성됩니다. 이를 통해 생성된 데이터를 사용하여 훈련된 xLAM-2-fc-r 모델 시리즈(10억~700억 파라미터)는 GPT-4o 및 Claude 3.5와 같은 최첨단 모델들을 $\tau$-bench 및 BFCL 벤치마크에서 능가하며, 특히 다회차 설정에서 더 작은 모델이 더 큰 모델보다 우수한 성능을 보였습니다. 본 논문에서는 5,000개의 합성 데이터 경로와 훈련된 xLAM-2-fc-r 모델들을 오픈소스로 공개하여 AI 에이전트 연구 발전에 기여합니다.

시사점, 한계점

시사점:
고품질 다회차 상호작용 데이터 생성을 위한 효과적인 프레임워크(APIGen-MT) 제시.
기존 최첨단 모델들을 능가하는 성능을 보이는 xLAM-2-fc-r 모델 시리즈 개발.
다회차 설정에서 작은 모델의 우수한 성능 확인.
5,000개의 합성 데이터와 훈련된 모델의 오픈소스 공개를 통한 연구 발전 기여.
한계점:
시뮬레이션된 데이터의 현실 세계 데이터와의 차이에 대한 명확한 검증 부족.
LLM 검토자 의존도가 높아, 검토자의 편향이 결과에 영향을 미칠 가능성 존재.
벤치마크 평가의 한계로 인해 실제 응용 환경에서의 성능을 완벽하게 반영하지 못할 가능성 존재.
👍