RUC-AIBOX/ClawGym-Trajectory

该数据集基于ClawGym任务收集了24.5K条交互轨迹，使用了来自MiniMax-M2.5和GLM-5.1的教师rollouts，并通过验证器分数进行过滤。所选轨迹具有长视野和工具密集型特点，平均轮次为13.00，平均token数为18.67K，平均工具调用数为15.82，平均工具类型为3.25。

We collect 24.5K interaction trajectories based on ClawGym Tasks using teacher rollouts from MiniMax-M2.5 and GLM-5.1, then filter trajectories by verifier scores. The selected trajectories are long-horizon and tool-intensive, with average rounds of 13.00, average tokens of 18.67K, average tool calls of 15.82, and average tool types of 3.25.

搜集汇总

数据集介绍

构建方式

基于ClawGym任务框架，借助MiniMax-M2.5与GLM-5.1两大教师模型进行轨迹生成，系统性地采集了24,500条交互轨迹。随后采用验证器评分机制对生成的轨迹进行严格筛选，剔除低质量样本，确保每条轨迹均具备可靠的行为逻辑与任务完成度。这一流程兼顾了数据规模的充分性与质量的可控性。

使用方法

数据集可直接用于训练和监督微调面向工具调用的语言智能体模型。用户可依据验证器评分对数据进行二次筛选，以适应不同难度层级的需求。同时支持与ClawGym环境结合，进行离线强化学习或模仿学习实验，有效提升模型在长程、工具密集型任务上的表现能力。

背景与挑战

背景概述

大规模语言模型（LLM）的迅猛发展催生了智能体（Agent）技术的革新，其中工具调用与环境交互能力成为衡量模型实用性的关键指标。ClawGym-Trajectory数据集由来自MiniMax与GLM研究团队的研究人员于2026年创建，旨在为复杂工具密集型、长程交互场景下的智能体训练提供高质量轨迹数据。该数据集基于ClawGym任务框架，通过教师策略从MiniMax-M2.5和GLM-5.1模型中生成24.5K条交互轨迹，并经由验证器评分筛选。数据集平均回合数达13.00，平均Token数为18.67K，工具调用次数达15.82次，覆盖3.25种工具类型，充分体现了其长程、多工具协同的复杂特征。该数据集为研究工具调用策略、长程任务分解与智能体泛化能力提供了重要基准，对推动LLM从对话系统向实用化自主智能体演进具有显著影响力。

当前挑战

该数据集面临的核心挑战首先来自领域问题：长程、工具密集型任务中，模型需在13个回合内精准执行15次以上工具调用，涉及多种工具类型的动态切换与上下文依赖，这要求智能体具备卓越的规划能力与错误恢复机制，超越了传统问答或单一工具场景的能力边界。其次，在构建过程中，从教师模型生成的初始轨迹中通过验证器评分筛选高质量样本面临根本性困难：如何设计有效且无偏的验证指标以区分成功与失败轨迹，处理工具调用序列中的关键性决策节点，同时保证数据集规模与多样性间的平衡，需要大量人工标注与迭代优化。此外，长程轨迹的采集需要克服仿真环境中的状态漂移与累积误差，确保轨迹的可复现性与逻辑一致性，这对数据收集基础设施提出了严苛要求。

常用场景

经典使用场景

在智能体（Agent）与工具交互的研究领域，ClawGym-Trajectory数据集为长程、多工具协作场景下的智能体行为建模提供了宝贵资源。该数据集包含24.5K条经由ClawGym任务生成的交互轨迹，每条轨迹平均历经13轮对话、消耗18.67K个token，并调用15.82次、涉及3.25种不同类型的工具。这一特性使其成为研究多步骤决策、工具链规划与复杂任务分解的经典基准。

解决学术问题

该数据集核心解决了当前大语言模型在长程任务中难以稳定调用工具、缺乏反馈验证机制的学术困境。通过引入验证器分数过滤机制，ClawGym-Trajectory确保了轨迹的高质量与任务完成度，为探索奖励建模、过程监督与行为克隆提供了可靠数据支撑。其意义在于推动了从简单问答向复杂工具编排任务的范式转变，显著提升了智能体在真实世界任务中的鲁棒性与泛化能力。

实际应用

在实际应用中，ClawGym-Trajectory可用于训练和评估能够自主完成多环节工作流的智能助手，例如自动化软件开发中的API调用、数据分析中的多库协作查询，或智能家居中的跨设备指令编排。基于该数据集训练的模型可模拟人类在真实环境中逐步选择并操作工具的过程，为机器人控制、自动化办公及科研实验流程管理等领域提供高效且可复现的解决方案。

数据集最近研究

最新研究方向

ClawGym-Trajectory数据集聚焦于具身智能体在复杂工具操作任务中的长程轨迹学习，代表了从静态仿真向动态交互式决策的前沿范式转变。该数据集依托ClawGym框架，利用MiniMax-M2.5与GLM-5.1等先进大模型生成的教师策略，筛选出24.5K条高质量交互轨迹，其平均交互轮次达13轮，单轨令牌量高达18.67K，工具调用频次与类型丰富性远超传统基准。这一设计呼应了近期“智能体即工具使用者”的热点趋势，通过引入验证器评分过滤机制，有效缓解了长序列任务中的探索-利用困境。该数据集的发布为多工具协同、记忆推断与动态规划等核心难题提供了标准化评估平台，有望推动工业级机械臂操作、自动驾驶决策等领域的实控闭环研究，其开源生态更将催化新一代具身智能体的可泛化能力突破。