面向用户的可扩展多轮对话生成与工具使用

随着大型推理模型（LRMs）作为自主代理的范式转变，对复杂、多轮工具使用能力的需求日益增加。然而，现有数据集和生成方法受限于静态预定义工具集，难以满足开放性人机协作的复杂性需求。为此，我们开发了一个自动化任务导向的多轮对话生成框架，利用基于LRM的模拟器动态生成高价值、领域特定的工具以解决指定任务。然而，纯粹的任务导向设计往往导致“仅解决问题”的轨迹，即代理以最少交互完成目标，无法生成现实中常见的高轮次对话。为弥补这一差距，我们转向用户导向的模拟范式，通过将任务生成与模拟人类行为规则的专用用户模拟器解耦，如逐步提出请求和逐轮反馈，从而生成更真实、更长的多轮对话，反映现实问题解决的迭代特性。我们的生成流程作为一个多功能、即插即用模块，能够从任何状态启动生成，确保在生成扩展工具使用数据时具有高度可扩展性。此外，通过在一个轨迹中实现多个任务完成，它产生了一个高密度数据集，反映了现实世界中人机交互的多方面需求。