Fengqing Jiang氏らの研究チームは8月20日(現地時間)、大規模言語モデル (LLM) の一般的なツール使用能力を向上させるための中間学習データ合成パイプライン「MidTool (ミッドツール)」を発表した。これはWeb、PDF、コードの大規模データに加え、実世界のツールAPIやワークフローから合成された監視データを統合するもの。MidToolは、モデルがツールの利用可能性を認識し、引数を特定し、ツール呼び出しを構成し、不完全な情報から回復することを学習することを目的としている。
中間学習 (mid-training) は、大規模言語モデル (LLM) の能力を形成する上で重要な段階として認識が広がっている。先行研究では、数学や科学のような推論集約型能力、およびソフトウェアエンジニアリングにおけるエージェント能力の強化が示されてきた。本研究は、これまでの研究で注目度が低かった「一般的なツール使用」というエージェント能力に焦点を当てたものだ。
論文では、エージェント的なツール使用のための中間学習用オープンコーパス構築パイプライン「MidTool」を提示した。MidToolは、大規模なWeb、PDF、コードデータと、実世界のツールAPI、MCPスキル、文書に基づいて構築されたワークフローからの合成監視データを組み合わせる。このパイプラインは、モデルがツールの利用可能性を認識し、文脈から引数を特定し、ツール呼び出しワークフローを構成し、不完全な情報から回復する方法を学習させるように設計されている。
研究チームは、Qwen3-4B-BaseとQwen3-8B-BaseのモデルをMidTool-Mixで中間学習した。その後、教師ありファインチューニング (SFT) と強化学習 (RL) の両方を用いて追加の事後学習 (post-training) を適用している。
ベースラインモデルとの比較において、MidTool-MixはBFCL、tau2-Bench、MCP Universeといったベンチマークにおける下流タスクの性能を、SFTおよびRLの両設定で一貫して向上させた。これらの結果は、他の重要なLLM能力と同様に、一般的なツール使用も事後学習のみに完全に任せるのではなく、専用の中間学習から恩恵を受ける可能性を示唆している。
参考: arXiv cs.AI (アーカイブ) — 2026年8月21日 02:53 (JST)
原文ハイライト"MidTool: Mid-training Data Synthesis for Agentic Tool Use"