Grug-thinkは、エージェント推論のための簡略化されたデータセットであり、ツール呼び出し前にエージェント推論の効率を最適化するように設計されています。その目的は、外部とのやり取りやツール呼び出しフォーマットの正確性を維持しながら、エージェント推論におけるトークン消費量を削減することです。 このデータセットには、5つの大規模な公開データセットから抽出された100,891件の実際のエージェント実行軌跡が含まれており、コードベースのインテリジェントエージェントタスク45%と一般的なAPIツール呼び出し55%を網羅しています。モデルの自律的な判断能力を訓練するために、一部のサンプルでは意図的にツール呼び出しを省略しています。データセットは、元のメッセージ構造、ツール定義、ツール呼び出しの内容を完全に保持し、推論部分のみを書き換えています。各応答文の前に非常に簡潔な推論テキストが挿入され、最適化された推論テキストの中央値はわずか11語となっています。

データセットの構成：

• glaive-function-calling-v2: 約40,800の基本的なAPIツール呼び出しダイアログ。
• hermes-function-calling-v1: 約6,200件の複数ターンにわたるツール使用ダイアログ。
• ToolACE：複数のツールに対して約8,900回のAPI呼び出しが行われました。
• SWE-smith トラジェクトリー (ツールとティック): 約 30,000 のトラジェクトリー、実際のコードデバッグエージェントのトラジェクトリー。
• Nebius SWEエージェントの軌跡：約15,000個。コードによりエージェントの軌跡が修正されます。

データフィールド:

• id: サンプルの一意の識別子
• ソース: データソース識別子
• ツール：利用可能なツール定義の一覧
• メッセージ: 対話メッセージの完全なシーケンス。各メッセージは、役割、内容、およびツール呼び出しの構造に従って構成されています。