CurateEvo：面向智能体后训练的数据策展进化

arXiv cs.CL 论文
llm-agents data-curation post-training reinforcement-learning code-evolution agentic-ai arxiv

摘要

CurateEvo 是一个以失败为驱动的动态进化框架，用于智能体后训练的数据策展。它利用失败轨迹迭代重写策展策略，在 ACEBench-Agent 和 BFCL-V4 等基准上提升了效果和效率。

arXiv:2607.06140v1 公告类型：新 摘要：大型语言模型（LLM）智能体需要后训练方法，以从环境反馈中改进长期决策能力。然而，现有的智能体后训练流程通常将数据策展视为固定的预处理步骤，主要关注数据增强，而忽视了过滤、精炼和适应下游失败。我们提出 CurateEvo，一个以失败为驱动的动态进化框架，用于智能体后训练的数据策展。CurateEvo 将策展策略表示为可执行代码，并利用来自保留开发集的失败轨迹迭代重写该策略。在每个周期，进化后的策略将固定的原始语料转换为监督微调数据、强化学习数据和推理时记忆库。进化过程首先通过诊断重复出现的失败模式，并相应地增强、过滤或精炼数据来提高效果，然后通过成本感知目标修剪冗余或低效的训练轮次来提高效率。在 ACEBench-Agent、BFCL-V4 和 {\tau}^2-Bench 上的实验（在有标注和野生数据设置下）表明，CurateEvo 始终优于先前的策展方法，平均分数分别提高了 3.2 分和 2.7 分。进一步分析表明，CurateEvo 与不同的后训练方案兼容，并显著降低了策展开销。
查看原文
查看缓存全文

缓存时间: 2026/07/08 04:42 

# CurateEvo: 面向智能体后训练的数据策展演化  
来源：https://arxiv.org/abs/2607.06140  
查看 PDF（https://arxiv.org/pdf/2607.06140）  

> 摘要：大型语言模型（LLM）智能体需要一种后训练方法，能够从环境反馈中改进长程决策能力。然而，现有的智能体后训练流程通常将数据策展视为固定的预处理步骤，主要关注数据增强，而忽略了过滤、精炼以及针对下游失败的自适应调整。我们提出 CurateEvo，一种面向智能体后训练数据策展的、由失败驱动的动态演化框架。CurateEvo 将策展策略表示为可执行代码，并利用来自保留开发集的失败轨迹对其进行迭代重写。在每个周期中，演化的策略将固定的原始语料转换为监督微调数据、强化学习数据以及推理时记忆库。演化过程首先通过诊断重复出现的失败模式并相应地增强、过滤或精炼数据来提升有效性，然后通过成本感知目标剪枝冗余或低效的训练回合来提升效率。在 ACEBench-Agent、BFCL-V4 和 \(\tau^2\)-Bench 上的实验（涵盖有标签数据与原始数据两种设置）表明，CurateEvo 始终优于先前的策展方法，平均得分分别提升 3.2 和 2.7 分。进一步分析表明，CurateEvo 与不同的后训练方案兼容，并且大幅降低了策展开销。

## 提交历史

来自：Dingzirui Wang [查看邮件](https://arxiv.org/show-email/88252332/2607.06140)  
**\[v1\]** 2026年7月7日星期二 11:07:00 UTC（366 KB）

相似文章

GEPA-Curator：面向自我改进智能体的精选学习

Hugging Face Daily Papers

GEPA-Curator 是一个框架，通过过滤含噪的失败信号并检索先前成功的轨迹，改进智能体提示词优化，在 GoBrowse、ALFWorld、AppWorld 和 τ-bench 等基准测试中，相较于 GEPA 和 ACE 分别实现了最高 20.7% 和 21.2% 的性能提升。

CuratorMAS：通过多智能体编排自动化数据集策展

arXiv cs.AI

CuratorMAS 提出了一种多智能体编排框架，通过探索、知识检索、评估、过滤和技能演化五个可编程阶段来自动化数据集策展，将噪声率降低多达 36.03 个百分点，并将下游 F1 分数提升多达 8.88 个百分点。

通用智能体能否自动化数据整理流程？

arXiv cs.AI

研究人员推出 Curation-Bench，一个用于评估通用编程智能体能否在 AI 开发中自动完成迭代数据整理循环的基准测试。结果表明，智能体可在十次迭代内达到强基线水平，但可靠的数据研究需要有脚手架支撑的方法适配，而非仅依赖开放式提示。