FinToolSyn：具有动态工具检索功能的金融工具使用对话数据的正向综合框架

工具使用能力对于金融领域的 大语言模型 (LLM) 至关重要，这个领域的特点是海量投资目标和数据密集型查询。然而，现有的数据合成方法通常依赖于逆向合成范例，从预采样工具生成用户查询。这种方法不可避免地引入了人为的明确性，产生的查询无法捕获现实世界需求的隐式、事件驱动的本质。此外，它对静态工具集的依赖忽视了导航庞大工具空间所需的动态检索过程。为了应对这些挑战，我们引入了 \textit{FinToolSyn}，这是一个旨在生成高质量金融对话的正向综合框架。从角色指令和原子工具合成到动态检索对话生成，我们的管道构建了一个包含 43,066 个工具的存储库，并合成了超过 148k 个对话实例，结合动态检索来模拟大规模工具空间中典型的嘈杂候选集。我们还建立了专门的基准来评估现实金融场景中的工具调用能力。大量实验表明，在 FinToolSyn 上训练的模型实现了 21.06% 的提升，为金融场景下的工具学习提供了坚实的基础。