BioTool: Un Conjunto de Datos Integral de Llamadas a Herramientas para Potenciar las Capacidades Biomédicas de los Modelos de Lenguaje a Gran Escala

BioTool: A Comprehensive Tool-Calling Dataset for Enhancing Biomedical Capabilities of Large Language Models

May 7, 2026

Autores: Xin Gao, Ruiyi Zhang, Meixi Du, Peijia Qin, Pengtao Xie

cs.AI

Resumen

A pesar del éxito de los modelos de lenguaje grandes (LLM) en tareas de propósito general, su rendimiento en dominios altamente especializados como la biomedicina sigue siendo insatisfactorio. Una limitación clave es la incapacidad de los LLM para aprovechar eficazmente las herramientas biomédicas, que los expertos clínicos e investigadores biomédicos utilizan ampliamente en sus flujos de trabajo diarios. Si bien los conjuntos de datos recientes de llamadas a herramientas de dominio general han mejorado sustancialmente las capacidades de los agentes LLM, los esfuerzos existentes en el dominio biomédico se basan en gran medida en el aprendizaje en contexto y restringen los modelos a un conjunto reducido de herramientas. Para abordar esta brecha, presentamos BioTool, un conjunto de datos integral de llamadas a herramientas biomédicas diseñado para el ajuste fino de LLM. BioTool comprende 34 herramientas de uso frecuente recopiladas de las bases de datos NCBI, Ensembl y UniProt, junto con 7.040 pares de consulta y llamada API de alta calidad y verificados por humanos, que abarcan variación, genómica, proteómica, evolución y biología general. El ajuste fino de un LLM de 4 mil millones de parámetros con BioTool produce mejoras sustanciales en el rendimiento de las llamadas a herramientas biomédicas, superando a LLM comerciales de vanguardia como GPT-5.1. Además, las evaluaciones de expertos humanos demuestran que la integración de un llamador de herramientas ajustado con BioTool mejora significativamente la calidad de las respuestas posteriores en comparación con el mismo LLM sin uso de herramientas, lo que subraya la efectividad de BioTool para mejorar las capacidades biomédicas de los LLM. El conjunto de datos completo y el código de evaluación están disponibles en https://github.com/gxx27/BioTool.

English

Despite the success of large language models (LLMs) on general-purpose tasks, their performance in highly specialized domains such as biomedicine remains unsatisfactory. A key limitation is the inability of LLMs to effectively leverage biomedical tools, which clinical experts and biomedical researchers rely on extensively in daily workflows. While recent general-domain tool-calling datasets have substantially improved the capabilities of LLM agents, existing efforts in the biomedical domain largely rely on in-context learning and restrict models to a small set of tools. To address this gap, we introduce BioTool, a comprehensive biomedical tool-calling dataset designed for fine-tuning LLMs. BioTool comprises 34 frequently used tools collected from the NCBI, Ensembl, and UniProt databases, along with 7,040 high-quality, human-verified query-API call pairs spanning variation, genomics, proteomics, evolution, and general biology. Fine-tuning a 4-billion-parameter LLM on BioTool yields substantial improvements in biomedical tool-calling performance, outperforming cutting-edge commercial LLMs such as GPT-5.1. Furthermore, human expert evaluations demonstrate that integrating a BioTool-fine-tuned tool caller significantly improves downstream answer quality compared to the same LLM without tool usage, highlighting the effectiveness of BioTool in enhancing the biomedical capabilities of LLMs. The full dataset and evaluation code are available at https://github.com/gxx27/BioTool