EvoSyn：多智能体框架实现智能体数据合成
原文标题：Know What You Don't Know: Agentic Data Synthesis by Evolving Generation Space for Closed-Loop Learning
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 EvoSyn，一种由学习反馈驱动的多智能体数据合成框架，围绕可修订状态组织合成，弥合反馈到决策的鸿沟。角色化多智能体系统将学习者反馈转化为合成修订，Designer 分配方向、Planner 落地为可执行经验。在 τ²-Bench 与 CAR-Bench 上平均任务成功率较最强基线提升 13.3 个百分点。
- 问题
- 智能体数据合成存在反馈到决策的鸿沟，观测到的弱点无法指导合成方向。
- 方法
- 用可修订状态组织合成，角色化多智能体把学习者反馈转为合成修订，Designer定方向、Planner落地为可执行经验。
- 结果
- 在τ²-Bench与CAR-Bench上平均任务成功率较最强基线提升13.3个百分点。
- 影响
- 为交互式智能体提供可迭代的数据飞轮，直接提升任务成功率。
深读 · 结论先行AI 生成展开看要点与影响 ↓
EvoSyn用多智能体把学习者反馈转为合成修订，τ²-Bench与CAR-Bench平均成功率提升13.3个百分点
- •针对反馈到决策的鸿沟：观察到弱点不等于知道未来合成该怎么改
- •围绕可修订状态组织合成，明确哪些交互因素可被有意生成、合成精力该投向何处
- •角色化多智能体系统把学习者反馈翻译为合成修订，Designer分配方向、Planner落地为可执行经验
- •支持空间内适配（补弱项）与空间扩展（把新发现因素变为显式生成控制）；两个基准平均任务成功率较最强合成基线高13.3个百分点
为什么重要：交互式智能体的合成数据正从「可执行可验证」走向「对当前策略有学习价值」，该框架给出了反馈驱动合成闭环的工程化组织方式。
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。