自动训练数据生成
4 étapes2 pièces4 Sources
美国软件公司 ServiceNow 于2026年10月2日发布了名为 AutoSynthData 的自动化训练数据生成流水线。该工具旨在解决企业级 AI 智能体在特定业务环境中“能力短板难以转化为训练数据”的问题:它通过识别目标模型的失败案例,利用更强的教师模型生成可验证的新任务,从而自动扩充微调数据集。
【背景】据 ServiceNow 官方博客及第三方研究 AccessAllGPT 报道,在 EnterpriseOps Gym 基准测试中,该方法使 Gemma-4-26B-A4B-it 模型的 Pass@1 指标提升了约7.2个百分点(相对提升35%),但相关代码和生成的具体数据尚未开源。
这一技术进展紧随 ServiceNow 与美国 Google Cloud 扩大合作的步伐。2026年10月28日,双方宣布将 ServiceNow 的 Action Fabric 接入 Gemini Enterprise,通过 MCP 和 A2A 协议实现零售、CRM 和 IT 工作流的集成。AutoSynthData 被视为 ServiceNow 构建自主进化智能体生态的关键底层能力,尽管其实际生产环境收益仍待独立复现验证。
Comment on en est arrivé là
ServiceNow CoreAI 团队在 Hugging Face 博客发布 AutoSynthData 方法,介绍如何利用模型失败自动生成训练任务。
huggingface.co ↗研究机构 AccessAllGPT 发布分析报告,指出 AutoSynthData 在 Hybrid 和 ITSM 两个领域实验中分别报告了7.2点和8.41点的 Pass@1 提升,但强调结果仅为厂商自述且未公开代码。
accessallgpt.com ↗GitHub 用户 fakhralwajih 在 EnterpriseOps-Gym 仓库提交 Issue #27,请求 ServiceNow 开源 AutoSynthData 的实现代码及验证器逻辑。
github.com ↗ServiceNow 与 Google Cloud 宣布扩大合作伙伴关系,将 ServiceNow 的 Action Fabric 接入 Gemini Enterprise,支持零售、电信和 IT 行业的智能体工作流集成。
newsroom.servicenow.com ↗