标签
一场 Hacker News 讨论，质疑那些构建RL环境并将其出售给 Anthropic、OpenAI 等前沿实验室的初创公司的价值主张，以及这些公司为何不自己训练模型。
τ-Emotion-Bench 提出了一个涵盖十个领域的基准，用于在情绪条件化用户交互下评估工具调用 LLM Agent，同时发布了 Tracer——一个可扩展的 Agent 数据生成流程，能够提升 Qwen3 模型的性能，并可泛化至 τ-Bench 和 τ-Trait。研究结果表明，当前最先进的 Agent 在用户表现出情绪化行为时仍然不可靠。
Eli Gottlieb 分享了关于设计高效RL训练任务的见解，将任务构建描述为一个涉及四个组件——提示词、世界、验证器和意图——的约束满足问题，并阐述了如提示词-验证器、验证器-意图等对齐维度，以避免奖励作弊（reward hacking）。
该论文剖析了元智能体流水线（使用如 Claude Opus 等模型生成终端任务及用于 RL 训练的验证器）中的失败模式，指出了基准数据无效性、评估框架脆弱性以及奖励错位等问题，并通过在 9B 模型上进行提示词重新设计与困难任务实验，证明了可解性范围是因模型而异的。
论文提出了 AutoGUIWorld，这是一个数据生成框架，利用图像生成器作为视觉世界模型来合成 GUI 交互轨迹，无需运行任何软件，最终产出 79,266 条带标注的样本；在这些样本上微调 Qwen3.5-35B-A3B 后，其在 OSWorld 上的任务得分从 33.0% 提升至 40.8%，在 ScienceBoard 上的成功率从 14.0% 提升至 32.2%。
一条推文观察到，LLMs在生成数据方面有效，而JEV在过滤数据方面表现出色，暗示了LLMs在与JEV相关的代码移除任务中可能存在局限性。
NeMo Data Designer (NDD) 是一个开源、可扩展的多模态合成数据生成框架，专为人工智能模型开发中的直观使用和可重现性而设计。
本文介绍了一个无需真实数据集即可生成一致虚构企业数据的生成器，采用无参考评估方法确保数据真实性，并提供了一个托管服务，用于根据业务问题构建关系数据库。
本文介绍了使用ACE视角的两层代理数据生成框架，专注于准确性、复杂性和多样性，为LLM代理创建有效的训练数据。
本文提出了一种基于电路的框架，利用机制性可解释性实现语言模型中的可控数据生成，引入SAMS进行阶段感知的数据调度，以提高训练性能。
HOTFIXR是一个数据生成框架，针对LLMs中的多语言推理弱点，使用合成数据提高跨语言性能，同时不牺牲整体能力。
Data Turnstile is an open-source framework for generating high-quality synthetic function-calling training data from API specifications. Fine-tuning small language models with this data significantly improves their tool-use performance, closing the gap with much larger models.
介绍了SKT，一个用于语言模型智能体技能使用训练的验证数据合成流水线，从2,000个公开技能中生成4,000个任务包和27,164条经验证的轨迹。在SKT生成的轨迹上进行监督微调，能够持续提升不同模型和智能体框架的技能使用性能。
介绍Pegasus，一种低资源框架，利用基于图的任务表示、分层可供性潜在空间和闭环物理验证，将人类示范视频转换为机器人可执行数据，旨在将硬件数据收集转变为可规模化的知识迁移。
该论文提出了EmoTrace，这是一个面向心理支持的多轮对话生成框架，通过对求助者情感轨迹进行建模，提升咨询师回应中的共情能力和情感丰富度，其性能优于现有方法。
HiFi-UMI引入了一种便携式数据采集系统，用于无机器人的UMI数据，通过立体惯性SLAM和广角摄像头实现了高轨迹精度。仅依靠这些数据训练操作策略即可在真实机器人上实现零样本部署，其性能在多个模型家族中达到或超越了遥操作基线。作者还开源了一个2000小时的高保真数据集。
G-MAD是一个开源框架，利用Arma 3生成同步的多视角RGB-T航空目标检测数据，解决了真实世界数据集的局限性。它还引入了AMOD基准。
FlowMimic 提出了一种方法，利用像素对扭曲流场实现跨视频和图像模态的无掩码视觉编辑与生成，能够从图像编辑样本实时生成视频编辑数据，并通过模仿损失对齐模态能力。
本文提出了一种面向训练API调用LLM智能体的无环境合成数据生成方法，利用LLM作为即时数字世界模型生成轨迹，并在具有挑战性的基准测试上展现出显著的性能提升。
一条推文讨论了为AI代理构建评估和环境的迭代过程，强调了人机协作以及数据和验证器设计的重要性。