热点事件持续更新
研究者提出基于有限状态机的多轮数据合成框架Turnslide
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年10月7日，研究者在arXiv发布论文，提出全自动多轮数据合成框架Turnslide。该框架通过将API建模为有限状态机来生成合法的工具调用序列，仅需单次大语言模型调用即可将其转化为完整训练样本。在针对小语言模型的微调评测中，Turnslide将下游任务的完全准确率提升至70.7%，高于现有方法的63.4%和53.7%，同时使模型Token消耗减少了3.6至6.6倍。
AI 根据报道生成 · 1 小时前更新
最新进展10月7日 12:00
研究者提出多轮数据合成框架Turnslide，在提升下游准确率的同时减少Token消耗。报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv 自然语言处理Turnslide：基于有限状态机遍历的可扩展多轮数据合成框架
研究提出全自动多轮数据合成框架 Turnslide，通过将 API 建模为有限状态机生成合法的工具调用序列，仅需单次 LLM 调用即可转化为完整训练样本。在小语言模型微调评测中，该方法将下游任务完全准确率提升至 70.7%（现有方法为 63.4% 和 53.7%），同时模型 token 消耗减少 3.6-6.6x。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。