摘要
针对通用大语言模型在金融领域难以适配私有 API 及处理分布外用户查询参数的问题，本文提出一种数据驱动的函数调用增强流水线。该方法包含数据集构建、数据增强（AugFC）及两步训练策略，旨在挖掘金融工具集潜力并提升参数多样性。实验表明，该方案在离线数据集及腾讯元宝在线金融问答场景中均表现出显著优势，有效提升了模型的领域适应性与工具调用准确率。
AI 推荐理由
论文核心在于通过数据驱动方法提升 LLM 在金融场景下的函数调用（工具使用）能力，属于技能学习范畴。
研究机构
深圳技术大学
FIT, 腾讯
深圳, 中国
华中科技大学
武汉, 中国
麦吉尔大学
蒙特利尔, 加拿大
香港科技大学
香港, 中国
清华大学
上海交通大学
华东师范大学
论文信息