OmniTools 10月2日消息，ServiceNow CoreAI团队在Hugging Face博客发布AutoSynthData框架，旨在系统化地将企业智能体模型的能力缺陷转化为高质量、可执行的合成训练任务。该框架基于目标模型在真实环境中的失败案例与更强教师模型的成功轨迹，自动生成包含系统规范、用户提示和验证器三要素的任务样本。
AutoSynthData采用两阶段流程：先通过“目标阶段”生成经严格验证的核心样本，再通过“扩展阶段”创建语义一致但实体、状态、工具组合等维度各异的新型变体，确保任务具备可行性、现实性与训练难度。每个候选任务需通过正向验证（参考解是否有效）、负向验证（错误结果是否被拒绝）及有限次修复循环。
框架强调批处理级质量控制，通过元审查识别任务分布偏差、能力覆盖缺口及生成瓶颈，并动态调整采样策略。相关实验基于EnterpriseOps Gym环境展开，配套数据集已开源。
