Los investigadores proponen UltraX, un marco de refinamiento de llamadas a funciones diseñado para abordar las limitaciones de los métodos existentes de procesamiento de datos a gran escala introduciendo la inserción junto con la eliminación y modificación. Este enfoque permite una edición fina a nivel de instancia mediante un pipeline de generación de supervisión programática confiable que convierte pares de texto en supervisión estructurada.
- El marco utiliza la optimización adaptativa del prompt basada en el conjunto de datos para guiar a una LLM experta en la producción de textos refinados de extremo a extremo de alta calidad.
- El Mapeo de Alineación de Líneas y el Reemplazo Dinámico de Contexto convierten los pares de texto original-refinado en supervisión programática estructurada.
- El filtrado de ejemplos con baja confianza y el muestreo controlado por relación mediante la combinación de operaciones mejoran la calidad de la supervisión y estabilizan la distribución de entrenamiento.
- La predicción de ventana deslizante, la agregación global de operaciones y el postprocesamiento sistemático normalizan y validan las salidas del modelo durante la ejecución.
Los experimentos demuestran que UltraX logra el mejor rendimiento promedio en todos los corpus mientras iguala o supera a las líneas base con menos tokens de entrenamiento, lo que indica una mayor eficiencia de datos y fiabilidad de refinamiento.