Google Research 提出 ToolGrad：利用文本梯度高效合成工具调用数据集

Google Research 提出 ToolGrad 框架，通过文本梯度指导 API 链的迭代构建，采用答案优先范式低成本合成高质量工具调用训练数据。该框架由提议、并行执行、选择和更新四个模块构成，克服了传统基于深度优先搜索探索路径的高成本弊端，在 ToolBench 的 16k+ API 上实现了更高的通过率与更低的数据生成成本。