Apple ML Research 无需真实环境即可生成 API 代理轨迹
Apple ML Research · rss · 2026-07-21
Apple ML Research 提出了一种用于训练 API-calling agents 的环境无关（environment-free）合成数据生成方法。
论文指出，想要收集高质量的 agent 轨迹，通常必须先搭好完整环境、可执行 API 和真实后端数据库，这让数据采集成为扩展训练的主要瓶颈。
他们的方法把 LLM 当作“即时数字世界模型”：只给 API 规格，也能生成模拟 agent 与有状态环境交互的轨迹。
简言之，这项工作试图在不依赖完整环境搭建的前提下，依然产出可用于训练 agent 的轨迹数据。
「研究」频道最新
- AW-0 世界动作模型发布：一个生成式模型同时管规划、预测与控制 — trevordarrell · 2026-10-27
- EMNLP 论文：报告偏误卡死 VLM 推理，堆规模救不了 — RanjayKrishna · 2026-10-27
- MissionReport 基准：540 份政府任务报告仅 3 份全达标 — Exp_Mark · 2026-10-27
- Finch 1 发布：用 50+ 种传感器影像训练的通用地理空间基础模型 — Scobleizer · 2026-10-27
- Skyfall AI 推出工程世界模型 SKY-001:文本转 CAD 构建,3.9 秒 vs GPT-6 的 199 秒 — rohanpaul_ai · 2026-10-27
- 物理学家让 AI 自选课题：两小时产出可登顶刊的论文 — burny_tech · 2026-10-27