AutoSynthData：为企业智能体自动生成训练数据

ServiceNow CoreAI团队介绍了AutoSynthData，用于把企业智能体在特定环境下的能力短板转化为可训练数据。文章指出，企业场景由自有系统、规则与数据状态共同塑造，即便通用能力强的模型仍可能在特定工作流、工具组合或约束上失手；要把失败变成训练数据，需要大量可在环境中完成、贴近真实请求、且能可靠检验成败的新任务。AutoSynthData依据目标模型失败与更强教师模型成功来决定下一步应学什么，再生成并校验训练任务；随着模型提升，课程会转向它仍感困难的部分。作者以EnterpriseOps Gym（Malay等，2026）及公开数据集示意流程，并把智能体任务抽象为系统规格、用户提示与验证器：系统规格需与工具与状态兼容且避免为制造难度而加任意约束；用户提示应具备可行性、现实性与难度；验证器则需一致、可靠拒错、并接受多种有效解而非只认单一参考轨迹。文中强调宽松验证器会奖励错误行为，过严则可能惩罚正确解。