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
- VidMap 用 RoMa 粗匹配全帧、精细匹配仅限关键帧 — ducha_aiki · 2026-09-11
- Bug Hunt Bench 作者补充:榜单噪声幅度约 2-3 分 — PawelHuryn · 2026-09-11
- 台球计算模型登 PNAS:二维系统已存在不可判定性,可跑通用计算机 — eigensteve · 2026-09-11
- 新研究:从仿射变换与重力线索求解绝对位姿 — ducha_aiki · 2026-09-11
- LoMa 论文发布 REALLY HardPairs 数据集,入选 ECCV 2026 — ducha_aiki · 2026-09-11
- JHU 开设全栈机器人学习课:组装机械臂、采数训练部署一条龙 — _krishna_murthy · 2026-09-11