tool-use-data-synthesis

为任意工具使用/智能体基准测试合成训练数据，适用于任意代码库。给定少量可运行的参考任务，生成数千个“同分布、不同实体”的任务，展开真实轨迹，并输出SFT（监督微调）和RL（强化学习）数据。适用场景包括：你有一个工具调用/MCP/智能体基准测试，希望将几十项任务扩展为数千个同分布的样本，且不改变环境或工具；当合成数据意外降低基准测试得分时，需诊断原因；或当你必须为智能体任务生成可验证的真实标签，而无法信任大语言模型虚构事实。首要决策由基准测试的评分机制决定（基于规则 vs 大模型评判），从而选择两种合成范式之一。贯穿始终的核心原则是分布对齐。

存档时间线

版本索引永久保留；内容副本只保留最新 1 份，更早版本仅留索引与哈希（存档时间线的证据链不会因此断裂）。

下载存档内容副本