Grug-think는 에이전트 추론을 위한 간소화된 데이터셋으로, 도구 호출 전에 에이전트 추론 효율성을 최적화하도록 설계되었습니다. 목표는 외부 상호작용 및 도구 호출 형식의 정확성을 유지하면서 에이전트 추론 토큰 소모를 줄이는 것입니다. 이 데이터셋은 5개의 대규모 공개 데이터셋에서 추출한 100,891개의 실제 에이전트 실행 궤적을 포함하며, 코드 기반 지능형 에이전트 작업 45%와 일반 API 도구 호출 55%를 포괄합니다. 일부 샘플은 모델의 자율적 판단 능력을 훈련하기 위해 의도적으로 도구 호출을 생략했습니다. 데이터셋은 원래 메시지 구조, 도구 정의 및 도구 호출 내용을 모두 유지하고 추론 부분만 재작성했습니다. 각 응답문 앞에 매우 간결한 추론 텍스트를 삽입하여 최적화된 추론 텍스트의 평균 길이가 11단어에 불과하도록 했습니다.

데이터셋 구성:

• glaive-function-calling-v2: 약 40,800개의 기본 API 도구 호출 대화 상자.
• hermes-function-calling-v1: 약 6,200개의 다중 회전 도구 사용 대화 상자.
• ToolACE: 여러 도구에 대한 약 8,900개의 API 호출.
• SWE-smith 궤적(도구 및 틱): 약 30,000개의 궤적, 실제 코드 디버깅 에이전트 궤적.
• Nebius SWE 에이전트 궤적: 약 15,000개, 코드가 에이전트 궤적을 수정합니다.

데이터 필드:

• id: 샘플의 고유 식별자
• 출처: 데이터 소스 식별자
• 도구: 사용 가능한 도구 정의 목록
• 메시지: 역할, 내용 및 도구 호출 구조에 따라 각 메시지가 구성된 전체 대화 메시지 시퀀스입니다.