苹果新论文发现：随着训练数据增长，工具调用智能体从多样化的应用和数据库状态中获益，超过增加任务数量带来的收益。
该论文提出了 SynthAPI：由语言模型编写带真实 Python 工具和数据库的合成应用，并生成带自动成功检验的任务。研究者在 849 个训练模型上变换应用、任务和数据库版本后发现，在 3.2768 万个任务的固定预算下，增加应用和数据库版本可使一个 40 亿参数模型在 AppWorld 挑战集上的成绩从 38.4% 提升至 45.0%。这之所以重要，是因为它表明对工具调用智能体而言，决定泛化能力的不仅是训练数据的规模，还有数据的组合方式。
报道来源
- Rohan Paul2026-10-29 04:11