本研究提出了ToolACE-DEV框架，通过将工具学习目标分解为子任务，增强模型基本能力，并引入自我演化机制，实现轻量级模型的自我改善。该方法在不同规模和架构的模型上验证了其有效性，具有重要应用潜力。

该论文提出了一种低成本机器人手动搬运收集数据的方法，并开发了处理噪音标签的框架。经测试，该模型在不同环境条件下表现出明显改善，比实验室收集的数据提高了43.7%，优于其他模型。