GRADS：图引导可控难度的智能体数据合成框架
原文标题：GRADS: Graph-Regulated Agentic Data Synthesis with Controllable Difficulty
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出 GRADS，一种带显式难度控制的图引导智能体数据合成框架，通过维护证据与推理依赖图，在种子选择、证据扩展、问答构建与验证闭环中保持必要推理。在安全、软件工程与科学文档域生成难度分布可分离的验证任务。4B 模型经后训练在软件工程上追平 Sonnet 4，在科学与安全域超越。
- 问题
- 合成数据靠扩展种子增加表面难度，但新证据与答案弱耦合，实际难度与预期不符。
- 方法
- 维护证据与推理依赖图，在种子选择、证据扩展、问答构建与验证闭环中按子图条件生成。
- 结果
- 4B 模型后训练在软件工程上追平 Sonnet 4，在科学与安全域超越；SFT 解终止率超 95%，工具调用与轮次最多降 75%。
- 影响
- 让智能体训练数据的难度可控可验证，小模型也能在专业域比肩大模型。
深读 · 结论先行AI 生成展开看要点与影响 ↓
GRADS 用证据依赖图控制合成难度，4B 模型后训练在软件工程追平 Sonnet 4。
- •框架维护证据与推理依赖图，在种子选择、证据扩展、问答构建与验证闭环中保持必要推理。
- •在安全、软件工程与科学文档域生成难度分布可分离的验证任务，由独立求解器测量。
- •匹配训练预算下，SFT 将解题终止率提升至 95% 以上，工具调用与轮次最多减少 75%。
- •4B 模型经后训练在软件工程上追平 Sonnet 4，在科学与安全域超越。
为什么重要：合成数据常因证据与答案弱耦合而虚增难度，GRADS 用图结构保证推理必要性，对小模型后训练与数据合成管线有直接价值。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。