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
- AlphaFold 背后是五十年实验数据，纯第一性原理仿真仍需实验 — vishalmisra · 2026-10-26
- Fern 团队提出「上下文即智能」:预测精度随上下文增至 1000 万 token 持续提升 — bneyshabur · 2026-10-26
- 研究者发现「Forking」现象：训练损失下降验证损失反升 — ZimingLiu11 · 2026-10-26
- DeepMind 试点全球首个双盲 AI 评测，密码学隔离防基准污染 — scychan_brains · 2026-10-26
- 研究揭示合成数据最优比例随算力从10%升至32% — heghbalz · 2026-10-26
- FLASH 仿真框架：单卡 RTX 5090 上分钟级学会布料折叠 — ChongZzZhang · 2026-10-26