★ 3
研究揭示智能体强化学习数据缩放规律与合成策略
研究将智能体 RL 数据拆解为任务、环境、轨迹三个基数轴，并在多类 LLM 与领域上拟合缩放关系，发现缩放指数排序为环境 > 任务 > 轨迹。作者用拟合规律为合成方法定价，识别合成数据崩塌临界比，并推导出 Chinchilla 式算力最优配方，实测比主流「扩轨迹」做法提升至多 1.7 倍算力效率。
arXiv cs.LG13 天前
#数据合成
共 8 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 3
GRADS：图引导可控难度的智能体数据合成框架
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。
arXiv cs.AI17 天前
★ 3
TerminalHorizon：长时程终端智能体的数据合成引擎
研究者提出全自动数据合成引擎TerminalHorizon，从真实专业工作出发，通过独立执行识别构建中遗漏的关键工作并据此重建环境，同时在同一目标下逐步扩展任务以延长探索链条。基于该引擎构建1.5K任务环境并对Qwen3.5-27B进行监督微调得到TerminalHorizon-27B，在12个基…
arXiv NLP21 天前
★ 3
MagicBeanStalk 提出递归数据合成，破解 RLVR 零优势陷阱
论文指出常用开源数学语料约88%的问题落入零优势陷阱，即每次 rollout 全对或全错。为此提出 MagicBeanStalk 递归数据合成算法，自顶向下分解、自底向上生长出难度校准的新问题。在8个数学基准上，gpt-oss-120b 从61.2提升至69.8，DeepSeek v4Flash …
arXiv cs.AI21 天前
★ 3
EvoSyn：多智能体框架实现智能体数据合成
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 …
arXiv cs.AI21 天前
★ 3
SAP 开源 Synthesis Through Simulation 企业数据合成框架
SAP 提出 Synthesis Through Simulation（STS）范式，让 LLM 智能体在模拟企业环境中通过调用策略化 API 生成数据，无需数据库 schema 即可保证结构有效性。其通用填充器 GP 在十个环境中实现 0.88 平均边际保真度和 100% 约束满足，框架、环境与…
arXiv cs.AI24 天前
★ 3
SAP：状态引导数据合成提升多轮工具使用
提出SAP框架，结合状态引导、工具参数来源约束和回合级验证，高效构建具有长程依赖和高准确性的工具使用轨迹。基于SAP数据训练的SAP-4B模型在多个基准上表现竞争力，甚至可与更大模型媲美。
arXiv cs.AI54 天前
★ 2
SynCo：多智能体强化学习协同训练自进化LLM
该论文提出 SynCo 框架，基于多智能体强化学习实现智能体数据合成协同训练，联合优化负责生成任务的 Synthesizer 与负责解题的 Reasoner，使任务分布随模型能力共同演化。在八个数学推理基准上，SynCo 显著优于现有合成数据方法，且大部分增益来自此前未解决的问题。
arXiv cs.AI24 天前