ToolRACER 用三智能体仿真加四重校验生成 5.6K 条含 66% 失败场景的对话轨迹，微调后使 Qwen3-4B 在 τ-bench 宏观通过率升至 39.20%
作者提出 ToolRACER，一个由用户、助手、工具三个仿真智能体组成的三阶段合成数据流水线，通过注入用户侧与环境侧对抗行为并经四重校验与精炼循环，构建了覆盖六个领域、55 种人格、5.6K 条轨迹且约 66% 为失败易发场景的 ToolRACERBench；在该数据上微调的小模型在 τ-bench、BFCLv3 与 ACEBench 上取得优于基线训练集的端到端表现。