ServiceNow开源AutoSynthData合成企业智能体

ServiceNow CoreAI团队发布AutoSynthData，一套把智能体能力短板转化为训练数据的流水线。它先找出目标模型在特定企业环境中的失败点，再借助更强教师模型的成功经验，确定下一步该训练什么能力，然后自动生成大量新任务并逐条验证。团队用EnterpriseOps Gym和ITSM场景做了实验，展示了从失败到课程、从生成到修复的完整闭环，相关数据集已公开。 这件事的重要性在于，企业部署智能体最大的障碍不是模型不够强，而是模型不适应自家系统、流程和规则。通用能力再好的模型，也可能在某个工作流、某组工具调用或某条约束上反复出错。过去要把这些弱点变成训练数据，靠人工标注，成本高、周期长。AutoSynthData把这一过程自动化，等于给企业提供了一条按自身环境定制模型的路径，也回应了合成数据质量难保证的老问题。 对做企业AI落地的团队来说，这套方法值得关注。它给出了一个可复用的思路：用失败样本定位能力缺口，用强模型生成候选任务，再用验证器筛选和修复。如果你正在为智能体在真实业务中表现不稳定发愁，可以参考它的任务抽象方式，即系统规范、用户指令、验证器三件套，来判断自己的训练数据是否合格。数据集已开源，可直接用于实验。