open-thoughts/OpenThoughts-Agent-SFT-3.16K

OpenThoughts-Agent-SFT-3.16K 是一个开源数据集，旨在为训练智能体提供最佳数据。该数据集包含3,160个示例，是OpenThoughts-Agent SFT缩放阶梯（包括316、1K、3.16K、10K、31.6K、100K规模）中的一个点。它由（任务，智能体轨迹）对组成，用于微调OpenThinkerAgent-8B-SFT-3.16K和OpenThinkerAgent-32B-SFT-3.16K模型。任务来源于四个主要来源：SWE-Smith、StackExchange-SuperUser、StackExchange-Tezos（通过合成增强以扩展任务多样性）和IssueTasks。智能体轨迹由GLM-4.7-AWQ作为教师模型在terminus-2框架中生成，并过滤出至少包含5个模型轮次的轨迹。数据字段包括conversations（多轮智能体轨迹）、task（任务描述）、trace_source（任务来源）等。该数据集是OpenThoughts-Agent项目的一部分，包括数据集、模型和研究代码库。

OpenThoughts-Agent-SFT-3.16K is an open-source dataset curated as part of the OpenThoughts-Agent project to provide the best data for training agents. It contains 3,160 examples and is one point in the OpenThoughts-Agent SFT scaling ladder (sizes 316, 1K, 3.16K, 10K, 31.6K, 100K). The dataset consists of (task, agent-trajectory) pairs used to fine-tune models such as OpenThinkerAgent-8B-SFT-3.16K and OpenThinkerAgent-32B-SFT-3.16K. Tasks are drawn from four primary sources: SWE-Smith, StackExchange-SuperUser, StackExchange-Tezos (synthetically augmented to expand task diversity), and IssueTasks. Agentic trajectories are generated by GLM-4.7-AWQ acting as a teacher model in the terminus-2 harness, filtered to include traces with at least 5 model turns. Fields include conversations (multi-turn agent trajectory), task (task description), trace_source (originating task source), and others. This dataset is part of a broader effort that includes datasets, models, and a research codebase.

搜集汇总

数据集介绍

构建方式

OpenThoughts-Agent-SFT-3.16K作为智能体模型监督微调（SFT）扩展阶梯的关键节点，其构建过程彰显了严谨的数据筛选与生成哲学。任务来源经消融实验甄选，锁定SWE-Smith、StackExchange-SuperUser、StackExchange-Tezos（经合成增强以扩展任务多样性）及IssueTasks四大高质量源域。在此基础上，利用GLM-4.7-AWQ作为教师模型，在Daytona沙箱内的terminus-2框架中生成智能体轨迹，并严格筛选出包含至少5个模型交互回合的样本，最终汇聚成3,160条任务-轨迹对。

特点

该数据集的核心特征在于其精细的过滤策略与丰富的结构化元信息。每条记录包含完整的多轮智能体对话轨迹、原始任务描述、追溯至四大任务源头的来源标识，以及涵盖智能体、模型、模型提供者等元数据，为轨迹复现与质量归因提供了坚实依据。作为SFT规模扩展阶梯的一部分，3.16K规模在数据量与训练效果之间取得了精妙平衡，成为驱动OpenThinkerAgent-8B-SFT-3.16K等模型微调的关键配方。

使用方法

研究者可直接利用该数据集对任意基础语言模型进行智能体任务微调，通过加载HuggingFace数据集并使用标准SFT训练流水线，将多轮对话轨迹作为监督信号训练模型。特别地，推荐采用OpenThinkerAgent系列模型对应的微调策略，以充分复现论文中的效果。数据集中的`conversations`字段可直接用于构建训练样本，而`task`与`trace_source`字段则支持细粒度分析不同任务类型对训练结果的影响，为智能体模型研究与消融实验提供便利。

背景与挑战

背景概述

OpenThoughts-Agent-SFT-3.16K数据集由OpenThoughts团队于2026年发布，旨在为智能体（Agent）模型的监督微调（SFT）提供高质量的训练数据。该数据集隶属于OpenThoughts-Agent项目，项目核心研究问题在于探索如何通过数据配比与规模缩放来培养具备复杂任务执行能力的智能体模型。数据集包含3,160条（任务、智能体轨迹）对，覆盖从SWE-Smith、StackExchange-SuperUser、StackExchange-Tezos及IssueTasks等四大任务源中筛选的多样化任务，并通过GLM-4.7-AWQ教师模型在Daytona沙盒环境中生成轨迹。其影响力体现在为8B和32B参数量级的OpenThinkerAgent模型提供了关键训练素材，推动了智能体研究在终端交互与软件工程领域的落地。

当前挑战

该数据集所解决的领域问题在于智能体模型在复杂终端任务中缺乏有效的监督训练数据，导致模型难以在真实软件工程场景下完成多步决策与工具调用。具体而言，任务来源的多样性不足与轨迹质量参差不齐是主要挑战，为此团队通过消融实验精选Top-4任务源，并对StackExchange任务进行合成增强以扩展多样性。构建过程中面临的技术挑战包括：在Daytona沙盒中利用terminus-2框架稳定生成多轮交互轨迹，并严格筛选至少5轮模型交互的样本以确保轨迹具备足够的推理深度；同时，教师模型GLM-4.7-AWQ的推理效率与输出一致性也需精细调优，以平衡数据生成成本与质量。

常用场景

经典使用场景

在智能体（Agent）与终端交互的研究领域，OpenThoughts-Agent-SFT-3.16K数据集为训练具备多步推理与工具调用能力的语言模型提供了高质量的微调基准。该数据集收录了3,160条由GLM-4.7-AWQ教师模型在安全沙箱环境中生成的完整智能体轨迹，每个样本均包含从任务描述到多轮对话的完整交互历程。经典使用场景聚焦于监督微调范式下，研究者利用这些(task, agent-trajectory)配对数据，引导基础模型学习如何通过终端命令完成软件工程、系统管理、知识问答等复杂任务，从而显著提升模型在自主规划与执行层面的性能表现。

衍生相关工作

基于OpenThoughts-Agent-SFT-3.16K数据集，研究团队已衍生出多个具有影响力的工作。最典型的是OpenThinkerAgent-8B-SFT-3.16K与OpenThinkerAgent-32B-SFT-3.16K模型系列的发布，这些模型直接采用该数据集进行监督微调，在AgentBench等基准测试中展现出优异的终端任务完成率。此外，数据集的规模化路径设计（从316到100K样本的渐进扩展）启发了后续关于数据效率与模型性能缩放律的研究，而开源的terminus-2交互框架与Daytona安全沙箱方案，则成为许多智能体训练论文中数据采集与轨迹过滤的标准参考模块。

数据集最近研究

最新研究方向

随着大语言模型在自主智能体领域的应用日益深化，高质量训练数据的稀缺性成为制约其能力跃升的关键瓶颈。OpenThoughts-Agent-SFT-3.16K作为智能体监督微调（SFT）数据规模谱系中的一个节点，聚焦于从SWE-Smith、StackExchange-SuperUser等四大经过消融实验验证的优选任务源中，提取由GLM-4.7-AWQ教师模型生成的、不少于5轮模型交互的高质量智能体轨迹。该数据集的前沿研究价值体现在：其一，通过构建从数百到十万级样本的阶梯式数据规模谱系，为探索数据量对智能体模型微调效果的 Scaling Law 提供了系统性基准；其二，结合 Daytona 沙盒中的 terminus-2 交互环境，实现了对智能体在真实终端与代码操作任务中多步推理与行动能力的精细化建模。这一工作不仅推动了开源社区在可复现的智能体训练数据配方上的标准建设，更预示着未来在复杂软件开发、系统运维等专业领域中，由结构化任务-轨迹对驱动的智能体模型将更高效地习得自主决策与工具调用能力。