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。
所属事件:苹果提出无需真实环境的API智能体数据合成法(2 条相关)→
「编程与Agent」频道最新
- Alex Townsend 汇编 200 个数值线性代数开放问题，供人类与 AI 攻关 — IgorCarron · 2026-09-11
- Kimi K2.8 Preview 上线：性能接近 K3、1M 上下文全档开放 — teortaxesTex · 2026-09-11
- 有人想给软件工程任务建「形态分类」数据库,好按任务选模型 — StewartalsopIII · 2026-09-11
- 用 prompt 造硬件:一次对话让智能体组装定制设备寄到家 — paraschopra · 2026-09-11
- 模型之外才是关键:一文拆解 RAG 到多智能体的六大 AI 架构 — goyalshaliniuk · 2026-09-11
- 零基础开发者自建分层记忆架构，仅 20k token 记住一年对话 — matteoianni · 2026-09-11