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 combinando inserción con eliminación y modificación para una edición fina a nivel de instancia.
- El marco utiliza la optimización adaptativa del prompt basada en el conjunto de datos para guiar a un LLM experto en generar 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 de baja confianza y el muestreo controlado por ratio estabilizan la distribución de entrenamiento y mejoran la calidad de la supervisión.
- La predicción con ventana deslizante, la agregación global de operaciones y el postprocesamiento sistemático garantizan la estabilidad durante la inferencia y la ejecución.
Los experimentos demuestran que UltraX logra el rendimiento promedio más alto 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 del refinamiento.