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
- ICML 2026 口头论文复现分数重算后仍偏中等 — profjamesevans · 2026-07-27
- 长周期智能体最终需要不可变事件日志 — sebpaquet · 2026-07-27
- Seed IQ 在 Doom II 里通关，引出 ARC-AGI 之后的评测问题 — Fit_Transition8824 · 2026-07-27
- 实测智能体数据科学工作流：代码能跑但常答错问题 — hugobowne · 2026-07-27
- 一份横跨 ML、系统、NLP 与音频的经典论文清单 — deliprao · 2026-07-27
- TechCrunch 讨论脑波信号或成 physical AI 训练新钥匙 — TechCrunch AI · 2026-07-27