提升LLM工具调用：国际化工具调用数据集
人机交互
2026-03-09 v1
摘要
工具调用使大型语言模型（LLMs）能够与外部系统（如API）交互，支持客户服务、数据分析和动态内容生成等应用。虽然最近的基准推动了工具使用研究，但存在关键局限，包括依赖模拟或受限API、缺乏可重复性，以及文化和地理分布不足。为此，我们引入International Tool Calling（ITC），一个大规模、多语言基准，旨在实现真实、全球分布的工具调用场景。ITC包含3,571个真实API和17,540个工具调用任务，覆盖20个类别和40个国家。实验结果表明，开源与闭源LLM之间存在显著性能差距；而在ITC上微调可显著提升性能，尤其针对非英语查询，增强跨语言泛化、推理一致性和对域外工具的鲁棒性。ITC为推动LLM在复杂、多工具和国际场景下的鲁棒性和性能提供了宝贵基准。数据集：https://anonymous.4open.science/r/International-Tool-Calling-ITC-dataset-FAF4/
引用
@article{arxiv.2603.05515,
title = {Enhancing Tool Calling in LLMs with the International Tool Calling Dataset},
author = {Zuoyu Zhang and Yancheng Zhu},
journal= {arXiv preprint arXiv:2603.05515},
year = {2026}
}