Q：Agent 交互轨迹与普通语言模型语料有什么区别？如何仿真高质量轨迹？

来源：字节/Agent 算法实习一面

新手答：“Agent 数据多了工具调用和多轮对话，可以让强模型生成。”

高手答：

普通语料主要学习下一个 token；Agent 轨迹还包含环境状态、计划、动作、工具参数、observation、奖励和终止原因。质量不仅看文本自然度，还看动作是否合法、状态是否连续、工具结果是否真实、失败恢复是否合理。

仿真流程应基于可执行环境：先从真实任务分布采样目标和约束，再让用户模拟器产生澄清、改口和中断；Agent 在沙箱中调用真实或高保真工具，记录成功与失败轨迹；验证器检查最终结果和每一步状态转移。数据集同时保留最优轨迹、可恢复失败轨迹和不可恢复负例，并按任务难度、工具依赖深度和异常类型分层采样。

强模型自举只能生成候选，不能把虚构 observation 当真值。工具结果、权限和最终状态必须由环境或规则验证，抽样再由人工审计。

差距在哪：新手把轨迹当“带工具标签的对话”，高手理解它是状态转移数据，并用可执行环境、用户模拟器和验证器保证真实性。