AutoSynthData:为企业 AI 智能体生成训练数据
ServiceNow CoreAI 推出 AutoSynthData,用于将企业 AI 智能体的能力差距转化为定向训练数据。该系统结合目标模型的失败记录与更强教师模型的成功轨迹,自动生成并验证包含系统规范、用户提示词及验证器的全新任务。随着模型能力提升,训练课程会动态转向其薄弱环节,并在 EnterpriseOps Gym 中完成了管线演示与验证。
ServiceNow CoreAI 推出 AutoSynthData,用于将企业 AI 智能体的能力差距转化为定向训练数据。该系统结合目标模型的失败记录与更强教师模型的成功轨迹,自动生成并验证包含系统规范、用户提示词及验证器的全新任务。随着模型能力提升,训练课程会动态转向其薄弱环节,并在 EnterpriseOps Gym 中完成了管线演示与验证。
Google Research 提出 ToolGrad 框架,通过先生成工具调用链再标注用户提示词的范式与文本梯度反馈,高效低成本构建复杂工具调用数据集。在基于该数据微调 Gemma-3 后,ToolGrad-12B 在 BFCL 榜单取得 83.1 分,逼近 gemini-2.5-pro(83.2)并超越 claude-4.5 Opus(82.8)与 gpt-5(74.4)。
Google 研究人员通过评估英国生物样本库(UKB)向日本生物样本库(BBJ)迁移的 8 种临床表型,探索多基因风险评分(PRS)跨人群预测规律。实验显示,当目标人群样本量极小(如 5,000 例)时合并欧洲数据可提升准确率,但样本达 15,000 例或以上时,目标人群专用模型表现反超联合训练。遗传相关性高的保守性状能在大样本下持续获益,而血脂和血糖等群体特异性状获益衰减更快。