arXiv · cs.AI· Bingxiang He, Pengqi Sun, Shihao Peng, Shaoxuan Li, Huiyu Xiao, Hongjian Shi, Zixuan Fu, Ziqing Qiao, Yuxin Zuo, Cheng Qian, Xinqiang Yu, Jiayi Li, Xiusi Chen, Yizhen Song, Xiangyang Wang, Iofai Lei, Yudong Wang, Ning Ding, Zhiyuan Liu, Xiaozhi Wang, Chaojun Xiao·· 6 小时前
AutoSFT：用于监督微调自动化数据研究的智能体系统
AutoSFT: An Agentic System for Automated Data Research in Supervised Fine-Tuning
arXiv:2610.22194v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Bingxiang He, Pengqi Sun, Shihao Peng, Shaoxuan Li, Huiyu Xiao, Hongjian Shi, Zixuan Fu, Ziqing Qiao, Yuxin Zuo, Cheng Qian, Xinqiang Yu, Jiayi Li, Xiusi Chen, Yizhen Song, Xiangyang Wang, Iofai Lei, Yudong Wang, Ning Ding, Zhiyuan Liu, Xiaozhi Wang, Chaojun Xiao
研究任务与主要进展
AutoSFT是一种面向监督微调数据研究的多智能体系统，由元智能体分离执行与分析、汇集多角度提案，并在数据池覆盖不足时调用合成子智能体。基于论文摘要，执行器将上下文损失减半，分析子智能体使最佳IFEval提升6.5，合成子智能体使IFEval提升3.4、IFBench提升2.9；在代码任务中，分析使MBPP+较单智能体提升3.7。所有比较固定模型、训练器和预算，并在每轮从基础模型重新训练。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org