인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
Tool calling has become a key component that allows language models (LMs) to interact with the real-world. In particular, clearly written tool descriptions guide LMs to select the appropriate tool and extract correct arguments from user queries. However, the effect of the language used in tool descriptions on tool calling in LM, especially in non-English conversation contexts, has been underexplored. This study investigates how the language of tool descriptions (e.g., English vs. Korean) affects tool calling in LMs in Korean dialogues. Using FunctionChat-Bench, we evaluated various LMs, including multilingual, fine-tuned in Korean, and non-supported Korean. The results showed that large multilingual LMs performed well regardless of the language in tool description, while small low-performing LMs tended to perform better with tool descriptions written in Korean. These findings underscore the importance of linguistic consistency between user queries and tool descriptions, particularly for small LMs with lower multilingual proficiency.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
