跳到主要内容

# 智能体数据合成

2 篇关联报道

arXiv 2026年10月12日
智能体合成数据不再只堆量：反馈改写合成空间，任务成功率从64.5%升到77.8%
智能体训练数据的合成方式有了新变化：EvoSyn把学习反馈变成可修改的合成空间，让生成方向随任务智能体的弱项调整。此前的方法虽然也用环境反馈、数据校验或失败样本，但观察到的弱点并不能直接说明下一轮该生成什么，也未必能被现有合成维度表示。在τ-Bench与CAR-Bench上，以Opus 4.5为合成模型时平均任务成功率从最强合成基线的64.5%升到77.8%，首轮即达70.9%，多轮演化继续提升。
智能体训练数据的合成方式有了新变化：EvoSyn把学习反馈变成可修改的合成空间，让生成方向随任务智能体的弱项调整。此前的方法虽然也用环境反馈、数据校验或失败样本，但观察到的弱点并不能直接说明下一轮该生成什么，也未必能被现有合成维度表示。在τ-Bench与CAR-Bench上，以Opus 4.5为合成模型时平均任务成功率从最强合成基线的64.5%升到77.8%，首轮即达70.9%，多轮演化继续提升。
University of Southern California Amazon (United States)
Wei Yang（第一作者）
EvoSyn 框架智能体数据合成合成空间扩展角色专业化多智能体合成
arXiv 2026年10月9日
SynCo 让合成器与解题器在同一在线批次中联合优化，八个数学推理基准平均达 78.72%
SynCo 把智能体式数据合成与任务求解建模为耦合的多智能体强化学习问题，用同一在线交互批次同时更新一个合成器和一个解题器：解题器获得逐条 rollout 的正确性奖励，合成器获得由任务质量、答案可靠性与结果接地可教性门控的任务级奖励，二者更新再反馈进下一轮合成。在八个数学推理基准上，SynCo 平均准确率 78.72%，高于冻结合成器变体的 75.85% 与最强外部基线 ScaleQuest-Math 的 74.96%，且增益主要来自初始模型未能解出的题目。
SynCo 把智能体式数据合成与任务求解建模为耦合的多智能体强化学习问题，用同一在线交互批次同时更新一个合成器和一个解题器：解题器获得逐条 rollout 的正确性奖励，合成器获得由任务质量、答案可靠性与结果接地可教性门控的任务级奖励，二者更新再反馈进下一轮合成。在八个数学推理基准上，SynCo 平均准确率 78.72%，高于冻结合成器变体的 75.85% 与最强外部基线 ScaleQuest-Math 的 74.96%，且增益主要来自初始模型未能解出的题目。
George Washington University Georgia Institute of Technology University of Southern California
Wei Yang（第一作者）
SynCo 数据合成协同训练框架多智能体强化学习智能体数据合成自进化智能体组相对策略优化

已读完全部报道