Ensinar um modelo de linguagem a usar ferramentas exige datasets de “cadeias de uso” — sequências de chamadas de API ligadas às perguntas que as originaram. O jeito tradicional é caro e ineficiente: gera-se primeiro a pergunta do usuário e depois usa-se um agente de busca para tentar descobrir a solução, descartando a maioria das tentativas no caminho. Pesquisadores do Google propuseram inverter essa ordem, e o resultado é o ToolGrad.
A inversão que muda o jogo
Apresentado no ACL 2026, o ToolGrad é um framework de geração de dados que primeiro gera a resposta de uso de ferramenta e só depois anota a pergunta correspondente. A intuição é direta: uma solução explícita de uso de ferramenta carrega muito mais informação do que um prompt vago, o que torna a anotação — de “uso” para “consulta” — muito mais fácil e barata, exigindo apenas um passo de LLM.
O ganho não é só de custo. Enquanto métodos anteriores geram datasets buscando soluções de consultas com baixa taxa de acerto, o ToolGrad gera cadeias de uso bem-sucedidas antes dos prompts — o que leva a uma taxa de acerto de quase 100% na geração de dados e a dados mais complexos, de horizonte longo.
De gradients numéricos a “gradientes textuais”
O nome não é por acaso. Sistemas de machine learning melhoram calculando gradientes numéricos de perda. O TextGrad adaptou essa ideia para engenharia de prompt, usando um LLM como crítico que fornece feedback descritivo em texto — os “gradientes textuais” — para refinar um prompt. O ToolGrad pega esse conceito e o aplica à geração de datasets sintéticos: em vez de otimizar um prompt estático, usa os gradientes textuais para construir iterativamente fluxos de API válidos e complexos a partir de grandes bibliotecas de ferramentas.
Na prática, o framework tem quatro módulos que, em sequência, propõem, executam, selecionam e atualizam. Repetindo esse ciclo, cada amostra de dados final reúne uma consulta de usuário, um fluxo de API verificado e a resposta final da IA.
Modelos pequenos que batem gigantes
Usando o ToolBench como base de APIs (16 mil+ APIs reais), a equipe gerou os datasets de pequena escala ToolGrad-500 e afinou modelos Gemma-3 de 1B, 4B e 12B — batizados de ToolGrad-1B, ToolGrad-4B e ToolGrad-12B.
A avaliação no Berkeley Function Calling Leaderboard (BFCL), que usa um conjunto de ferramentas diferente do ToolBench, trouxe resultados notáveis: os modelos afinados superaram os modelos-base sem fine-tuning, os modelos proprietários de ponta (Gemini, GPT e Claude) e modelos especializados em uso de ferramentas como ToolACE e Hammer-2.1-7B. Em outras palavras, modelos relativamente compactos passaram a igualar — e em parte superar — os próprios “professores”, inclusive em dados fora de distribuição com ferramentas nunca vistas.
Por que isso importa
O gargalo real de agentes de IA não é só o modelo, é o dado de treinamento. Anotação humana não escala, e busca por tentativa e erro desperdiça a maior parte do esforço. O ToolGrad ataca os dois problemas de uma vez: barateia a geração de dados de alta qualidade e abre caminho para agentes menores e mais baratos de servir — um ponto crítico quando agentes migram de demonstrações para produção. O próximo passo da pesquisa é escalar o framework para ecossistemas de API cada vez mais dinâmicos e explorar aprendizado contínuo, no próprio fluxo, para personalização ao longo do tempo.
Descubra mais sobre noticiAI
Assine para receber nossas notícias mais recentes por e-mail.
