苹果用合成轨迹训练 API 智能体，不再依赖真实环境

apple · hf · 2026-07-21

### 苹果这项方法在解决什么苹果提出了一种**不需要真实环境**的 API-calling agent 合成数据方案，目标是解决智能体轨迹数据难采、难扩的问题。 ### 方法怎么做 - 只给 API 规格，先让 LLM 自动生成可用这些 API 完成的任务。 - 再由 teacher agent 去解决任务，同时由一个 LLM simulator 按任务上下文和交互历史，生成连贯的模拟 API 返回。 - 最后再用 LLM judge 过滤低质量轨迹。 ### 结果 - 传统做法通常需要完整可执行环境、真实 API 和预填充后台数据库，成本很高。 - 这套方法绕开了环境搭建瓶颈，可以直接为 API-calling agent 生成监督数据。 - 在 **AppWorld** 和 **OfficeBench** 上，用这些合成数据微调后性能明显提升，覆盖检索型和状态变更型任务。