针对后训练工具使用的大型语言模型（LLMs），最近的研究合成了代理任务，但在任务和工具集变化下的稳健泛化仍然是一个开放的挑战。研究发现，这种脆弱性源于合成任务的多样性不足。扩展多样性面临困难，因为训练要求任务保持可执行和可验证，而泛化则需要涵盖多样的工具类型、工具集组合和异构的工具使用模式。提出了DIVE，这是一种证据驱动的方案，通过先执行多样的真实世界工具，再严格推导出由结果轨迹所必然推导的任务...