摘要：通过模拟进行合成：借助可扩展的智能体-系统交互生成连贯的企业数据
摘要：工具调用智能体已成为企业 AI 的核心，但由于企业在系统、数据和数据库模式方面受到业务和法律限制，大规模训练和评估这些智能体仍然严重受限。表格数据合成提供了一种自然的替代方案，但其有效性从根本上受限于结构有效性和模式可用性，而基于流程的方法则表现出相反的弱点，通常在没有逐领域编写的情况下缺乏分布保真度。我们提出了 Synthesis Through Simulation（STS），这是一种无模式的数据合成范式，其中 LLM 智能体通过在模拟企业环境中对执行策略的 API 执行操作来生成数据。由于数据是通过定义何为有效的同一环境生成的，STS 在构造上保证了结构有效性，同时将有效性执行与分布建模解耦，使二者可以分别处理。Generalist Populator（GP）是 STS 的领域无关智能体，解决了分布保真度和合成可扩展性这两个剩余挑战：GP 在全部十个环境中实现了 0.88 的平均边际保真度和 100% 约束满足，*且无需访问数据库模式*，而统计合成器由于必要的种子数据要求，在七个环境中不适用，且拥有模式特权的智能体在航空环境中因脆弱的任务组合而在紧密耦合的工作流上使 82% 的轨迹失败。我们在该 https URL 开源了完整框架、全部十个环境以及生成的数据集。