让智能体自己试数据配方：数学与代码筛选策略在固定训练下最高涨13.34%

数据工程策略可以由智能体在实验中反复修改和组合，而不是由人一次性设定。 此前这类策略通常由人工按预设方案确定，缺少用累积实验反馈逐步改进的机制。 在数学与代码数据筛选、数学奖励设计、数学课程学习四类任务上，按环内得分选出的策略在固定训练条件下于AIME25 Pass@32取得最高13.34%的绝对提升。

智能体依据累积发现决定继续、修改还是合并研究方向。 该框架名为智能体数据工程（ADE），让智能体在固定的训练与评测协议下使用实验反馈。 策略由环内得分挑选，再在留出基准上评测；四个留出基准的平均绝对提升为5.85%。

环内得分随实验推进而上升，但留出表现并不总跟着上升。 留出轨迹显示，后期环内增益并不总能转化为更好的泛化。 对研究组织方式与反馈获取方式的比较，支持把证据分析与累积发现结合起来。

报道依据的是摘要级材料，覆盖四类任务：数学与代码数据选择、数学奖励设计、数学课程学习，均在固定训练与评测协议下进行，策略由环内得分选出并在留出基准上评测。适合关注数据工程与AI4AI实验流程的研究人员和工程师阅读。材料未提出下一步实验计划。

材料为摘要，未给出各任务的完整设置与统计细节。已报告的一点是：环内得分随实验推进而提高，但留出轨迹显示后期环内增益并不总能改善泛化。对研究组织与反馈获取方式的比较支持把证据分析与累积发现结合，这一结论限于所报告的任务与协议。