open-thoughts/OpenThoughts-Agent-SFT-100K

OpenThoughts-Agent-SFT-100K是一个开源数据集，旨在为训练智能体提供高质量数据。它是OpenThoughts-Agent SFT扩展阶梯的一部分，包含100,000个示例，每个示例由任务描述和智能体轨迹对组成，用于微调OpenThinkerAgent-8B-SFT-100K和OpenThinkerAgent-32B-SFT-100K模型。该数据集是论文中描述的最终SFT数据集。任务来源包括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作为教师在terminus-2框架中生成，并经过过滤，只保留至少包含5个模型轮次的轨迹。数据集字段包括多轮对话轨迹、任务描述、轨迹来源、智能体元数据以及滚动记录信息。数据集规模为100,000行，使用GLM-4.7-AWQ作为教师模型和terminus-2作为框架。

OpenThoughts-Agent-SFT-100K is an open-source dataset curated for training agents. It is the 100,000-example point of the OpenThoughts-Agent SFT scaling ladder, containing (task, agent-trajectory) pairs used to fine-tune OpenThinkerAgent-8B-SFT-100K and OpenThinkerAgent-32B-SFT-100K models. This 100K set is the final OpenThoughts-Agent SFT dataset described in the paper. Tasks are drawn from the Top-4 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 the teacher in the terminus-2 harness, then filtered to traces with at least 5 model turns. The dataset includes fields such as conversations, task description, trace source, agent metadata, and rollout bookkeeping. It consists of 100,000 rows, with GLM-4.7-AWQ as the teacher model and terminus-2 as the harness.

搜集汇总

数据集介绍

构建方式

OpenThoughts-Agent-SFT-100K数据集是OpenThoughts-Agent项目在监督微调（SFT）规模阶梯上的关键一环，涵盖了10万条示例。其构建过程严格遵循了消融实验所甄选出的四大任务来源：SWE-Smith、StackExchange-SuperUser、StackExchange-Tezos（经由合成数据增强以扩展任务多样性）以及IssueTasks。每条数据均由GLM-4.7-AWQ作为教师模型，在Daytona沙箱环境中的terminus-2测试框架下生成多轮智能体执行轨迹，并经过筛选，仅保留至少包含5个模型轮次的轨迹，最终形成了（任务，智能体轨迹）的配对结构。

特点

该数据集的核心特点在于其高质量的智能体轨迹数据，每条记录不仅包含任务描述与多轮对话内容，还详细标注了轨迹来源、教师模型及rollout元数据（如结果、episode、运行ID等），为研究者提供了全面且可追溯的训练样本。此外，数据集规模阶梯式分布（从316到100K），本版本作为最终SFT数据集，覆盖了软件工程、用户支持与技术问答等多样化的任务场景，显著提升了模型的泛化能力与任务执行精度。

使用方法

数据集可直接用于对大规模语言模型进行监督微调，以增强其作为智能体的任务规划与执行能力。用户可通过HuggingFace Datasets库加载数据集，并利用其中的conversations字段构建多轮对话训练格式。推荐结合OpenThinkerAgent-8B-SFT-100K或OpenThinkerAgent-32B-SFT-100K模型进行微调，以复现论文中的智能体性能。此外，数据集的task和trace_source字段可用于任务特定或源特定的测评与微调策略设计。

背景与挑战

背景概述

OpenThoughts-Agent-SFT-100K数据集由OpenThoughts-Agent团队于2026年发布，旨在解决智能体（Agent）模型在复杂交互任务中缺乏高质量监督微调数据的核心问题。该数据集聚焦于终端操作、代码编写与软件工程等真实场景，通过收集来自SWE-Smith、StackExchange-SuperUser等四大任务源的10万条（任务，智能体轨迹）对，为训练具备自主决策能力的语言智能体提供标准化数据支撑。其发布不仅填补了智能体领域大规模监督微调数据的空白，还通过开源模型OpenThinkerAgent-8B-SFT-100K与32B-SFT-100K验证了数据规模化对智能体性能的显著提升，对推动自主智能体研究具有里程碑意义。

当前挑战

当前智能体模型面临的核心挑战在于：一是传统语言模型缺乏对多步交互、工具调用与环境反馈的动态响应能力，导致在真实终端与软件工程任务中表现欠佳；二是构建此类数据集需应对复杂的轨迹采集与过滤问题，包括如何从多来源异构任务中生成高质量、具备足够交互深度的轨迹，以及如何确保教师模型（如GLM-4.7-AWQ）的生成结果可靠且可复现。此外，数据构建过程中还需克服沙盒环境的安全隔离、轨迹长度筛选标准（如至少5轮模型交互）的设定，以及多样性与规模之间的平衡等工程难题。

常用场景

经典使用场景

在智能体（Agent）与代码智能领域，OpenThoughts-Agent-SFT-100K 作为高质量的指令微调数据集，其经典使用场景聚焦于训练具备多轮交互与工具调用能力的大语言模型。该数据集收录了来自 SWE-Smith、StackExchange-SuperUser 等来源的 10 万条任务-轨迹对，每条轨迹均包含至少 5 轮模型交互，覆盖软件工程疑难解答、系统管理操作等复杂任务。研究者通常将其用于监督微调（SFT）基础模型，使之学会在终端环境中自主推理、执行指令并反馈结果，最终产出如 OpenThinkerAgent-8B/32B 这样具备端到端智能体行为的模型。

衍生相关工作

OpenThoughts-Agent-SFT-100K 的发布催生了一系列衍生研究工作。其直接产出了 OpenThinkerAgent-8B 和 32B 两个规模的微调模型，并在项目博客与代码库中完整公开了数据采集、消融实验及训练管道。此外，该数据集作为 SFT 规模阶梯的一部分（从 316 条到 10 万条），为研究模型性能随数据量增长的收敛规律提供了基准。社区还基于其“任务-轨迹”对结构，探索了奖励模型训练与强化学习对齐的新范式，以及如何将终端交互数据泛化至 Web 浏览、API 调用等更广泛的智能体场景。

数据集最近研究

最新研究方向

在当前大语言模型向智能体演进的前沿浪潮中，OpenThoughts-Agent-SFT-100K数据集聚焦于训练具备自主操作终端、编写代码和执行复杂软件工程任务能力的智能体模型。该数据集通过从SWE-Smith、StackExchange等高质量任务源中筛选轨迹，利用GLM-4.7模型作为教师生成多轮交互样本，并经过严格过滤以保留至少五次模型转换的完整代理历程。这一研究热点与OpenThinkerAgent系列模型紧密关联，为构建能实际参与软件开发生命周期的自主智能体提供了关键训练资源，其开源性质还推动了智能体数据配方的透明化与可复现性，对软件自动化领域产生了深远影响。