SFT与合成数据生成：若仅采用包含短上下文数据的现有SFT方案进行简单应用，则会导致预训练阶段所具备的长上下文能力出现显著退化，这凸显了在我们SFT数据组合中融入长上下文数据的必要性。然而，在实际操作中，由于阅读长篇幅上下文既繁琐又耗时，因此让人类去标注此类示例在很大程度上并不切实际。因此，我们主要依赖合成数据来填补这一空白。我们利用Llama 3的早期版本，基于关键的长上下文用例生成合成数据，这些用例包括（可能包含多轮对话的）问答、长文档摘要以及对代码仓库的推理，下文将对这些用例进行更详细的描述。

教授大型语言模型（LLMs）使用搜索引擎或代码解释器等工具，能够极大地扩展它们能够解决的任务范围，使它们从纯粹的聊天模型转变为更通用的助手（Nakano等人，2021；Thoppilan等人，2022；Parisi等人，2022；Gao等人，2023；Mialon等人，2023a；Schick等人，2024）。我们训练Llama 3与以下工具进行交互：

1）单步工具使用：我们首先从少量示例生成合成用户提示，这些提示本质上需要调用我们的核心工具之一（例如，超出我们知识截止日期的问题）。接着，仍然依赖少量示例生成，我们为这些提示生成适当的工具调用，执行它们，并将输出添加到模型的上下文中。最后，我们再次提示模型，基于工具输出生成对用户查询的最终答案。我们得到的轨迹形式如下：系统提示、用户提示、工具调用、工具输出、最终答案。我们还筛选了大约30%的数据集，以移除无法执行的工具调用或其他格式问题。

2）多步工具使用：我们遵循类似的协议，并首先生成合成数据，以教授模型基本的多步工具使用能力。为此，我们首先提示Llama 3生成用户提示，这些提示需要至少两次工具调用，这些调用可以是来自我们核心集的相同或不同工具。然后，基于这些提示，我们使用少量示例提示Llama 3生成一个由交替的推理步骤和工具调用组成的解决方案，类似于ReAct（Yao等人，2022）。请参见图10，了解Llama 3执行涉及多步工具使用任务的示例。

3)文件上传：我们为以下文件类型进行标注：.txt、.docx、.pdf、.pptx、.xlsx、.csv、.tsv、.py、.json、.jsonl、.html、.xml。我们的提示基于提供的文件，要求总结文件内容、查找并修复错误、优化代码片段、进行数据分析或可视化。请参见图11，了解Llama 3执行涉及文件上传任务的示例。

在针对这些合成数据进行微调后，我们收集了在不同且具挑战性的场景下的人工标注，这些场景包括多轮交互、超过三步的工具使用，以及工具调用未能给出满意答案的实例。我们通过向合成数据中增加不同的系统提示来增强数据集，以教导模型仅在激活时才使用工具。为了训练模型避免对简单查询调用工具，我们还添加了来自简单数学或问答数据集（Berant等人，2013；Koncel-Kedziorski等人，2016；Joshi等人，2017；Amini等人，2019）的查询及其无需工具即可获得的响应，但在系统提示中仍激活工具。

零样本工具使用数据：我们通过在一个庞大且多样化的部分合成数据集（包含函数定义、用户查询及相应调用）上进行微调，提升了Llama 3的零样本工具使用能力（也称为函数调用）。我们在一组未见过的工具上评估了我们的模型。

1)单一、嵌套及并行函数调用：调用可以是简单的，也可以是嵌套的，即我们将一个函数调用作为另一个函数的参数传递；或者并行的，即模型返回一个独立函数调用的列表。生成一系列多样化的函数、查询和基准真值可能具有挑战性（Mekala等人，2024），因此我们借助挖掘Stack（Kocetkov等人，2022）的方法，将我们的合成用户查询与真实函数相关联。更具体地说，我们提取函数调用及其定义，进行清理和过滤（例如，针对缺少文档字符串或不可执行的函数），并使用Llama 3为函数调用生成对应的自然语言查询。

2)多轮函数调用：我们还为多轮对话中的函数调用生成了合成数据，遵循了与Li等人（2023b）提出的协议类似的方法。我们使用多个代理来生成领域、API、用户查询、API调用和响应，同时确保生成的数据覆盖多样化的领域和现实的API。所有代理都是Llama 3的不同变体，根据它们的角色以不同的方式被提示，并以逐步协作的方式工作。