open-thoughts/OpenThoughts-Agent-SFT-1K

OpenThoughts-Agent-SFT-1K 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（包括316、1K、3.16K、10K、31.6K、100K等规模）中的1,000个示例点。该数据集包含（任务，代理轨迹）对，用于微调OpenThinkerAgent-8B-SFT-1K和OpenThinkerAgent-32B-SFT-1K模型。任务来源于四个主要任务源：SWE-Smith、StackExchange-SuperUser、StackExchange-Tezos（通过合成增强以扩展任务多样性）以及IssueTasks。代理轨迹由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。数据集包含1,000行数据，字段包括对话轨迹、任务描述、任务来源、元数据（代理、模型、模型提供者）以及滚动记录信息（结果、事件、运行ID、试验名称、日期）。OpenThoughts-Agent-SFT-1K is an open-source dataset curated for training agents. It is the 1,000-example point of the OpenThoughts-Agent SFT scaling ladder (sizes 316, 1K, 3.16K, 10K, 31.6K, 100K). It contains (task, agent-trajectory) pairs used to fine-tune OpenThinkerAgent-8B-SFT-1K and OpenThinkerAgent-32B-SFT-1K models. Tasks are drawn from the Top-4 task 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 consists of 1,000 rows, with fields including conversations (multi-turn agent trajectory), task description, trace source, metadata (agent, model, model_provider), and rollout bookkeeping (result, episode, run_id, trial_name, date).

搜集汇总

数据集介绍

构建方式

OpenThoughts-Agent-SFT-1K 的构建过程遵循了严谨的数据筛选与合成策略。其任务来源汇聚于四项经消融实验甄选出的优质数据源：SWE-Smith、StackExchange-SuperUser、StackExchange-Tezos（经合成增强以扩展任务多样性）以及 IssueTasks。代理轨迹则由教师模型 GLM-4.7-AWQ 在 terminus-2 框架内，于 Daytona 沙箱环境中生成，并经过严格过滤，仅保留至少包含 5 个模型交互轮次的轨迹，最终形成 1000 条（任务，代理轨迹）配对样本。

特点

该数据集最显著的特征在于其作为 OpenThoughts-Agent 监督微调（SFT）扩展阶梯的起点，规模为 1,000 条，与 316、3.16K、10K、31.6K 及 100K 等规模共同构成一个系统性的缩放研究序列。每条数据都完整记录了多轮次的对话历史（conversations），涵盖了从任务描述到最终结果的全过程，并附带任务来源（trace_source）、教师模型（model）及运行元数据等丰富字段，为研究代理模型的行为模式与扩展规律提供了坚实基础。

使用方法

研究者可直接通过 HuggingFace Datasets 库加载该数据集，用于代理模型的监督微调。数据以标准的对话格式组织，其中的 user 和 assistant 角色消息序列可直接输入到因果语言模型中进行训练。作为 SFT 缩放阶梯的一部分，该 1K 数据集适合用于快速原型验证或资源受限条件下的模型训练，同时也是探索数据规模与代理能力之间变化规律的重要起点。官方已基于此数据推出了 OpenThinkerAgent-8B-SFT-1K 和 OpenThinkerAgent-32B-SFT-1K 两个微调模型。

背景与挑战

背景概述

在智能体（Agent）与大语言模型深度融合的背景下，训练出具备复杂交互与自主决策能力的智能体模型成为学界与工业界共同追逐的前沿方向。OpenThoughts-Agent-SFT-1K 数据集由 OpenThoughts 团队于 2026 年构建并发布，旨在解决智能体监督微调（SFT）中高质量轨迹数据稀缺的核心难题。该数据集精心筛选了来自 SWE-Smith、StackExchange-SuperUser、StackExchange-Tezos 及 IssueTasks 四大任务源的头部分布样本，并借助 GLM-4.7-AWQ 模型在安全沙箱环境中生成多轮交互轨迹，最终形成 1,000 条精准的（任务、轨迹）配对实例。作为 OpenThoughts-Agent SFT 规模阶梯的关键节点，该数据集为后续训练 8B 与 32B 参数量的 OpenThinkerAgent 系列模型提供了坚实的数据基础，推动了智能体模型训练范式的开放与标准化。

当前挑战

当前智能体领域面临的首要挑战在于任务真实性与复杂性的平衡——现有数据集往往偏向封闭环境下的简化指令，难以涵盖真实工程场景中多步骤、长依赖的代理行为。OpenThoughts-Agent-SFT-1K 致力于打破这一局限，其数据来源聚焦于软件工程与专家社区的复杂任务，但有限的 1,000 条样本量对模型泛化能力构成严峻考验。构建过程中，团队需应对从异构任务源中清洗与标准化轨迹数据的难题，例如确保不同平台（如 StackExchange）与特定工具集（如 Tezos）的任务描述具备行为语义上的可迁移性。此外，智能体轨迹的生成依赖教师模型在沙箱环境中重复执行，模型推理的不确定性可能导致低质量的死循环或无效动作，团队不得不设计严格的多轮动作过滤规则（至少 5 轮模型交互），以剔除低效轨迹，确保数据质量与训练有效性。

常用场景

经典使用场景

OpenThoughts-Agent-SFT-1K 数据集的核心用途在于为智能体（Agent）模型的监督微调（SFT）提供高质量的训练样本。该数据集精选自 SWE-Smith、StackExchange-SuperUser、StackExchange-Tezos 和 IssueTasks 四大任务源，每个样本包含完整的任务描述与多轮智能体轨迹，旨在通过模仿学习使模型习得在终端环境中执行复杂指令、进行多步推理并调用工具的能力。其经典使用场景是作为智能体训练的基础数据，尤其适用于需要模型具备代码调试、系统管理、软件工程问题解决等能力的场景，通过少量高质量样本即可显著提升模型的自主决策与执行性能。

衍生相关工作

该数据集衍生了一系列重要工作，最直接的是其配套的 OpenThinkerAgent-8B-SFT-1K 和 OpenThinkerAgent-32B-SFT-1K 模型，验证了在极少量高质量数据上微调即可获得强大的智能体能力。此外，OpenThoughts-Agent 项目还发布了一个完整的缩放阶梯（从 316 到 100K 样本），为研究数据规模与智能体性能的关系提供了连续基准。其开源的研究代码库（GitHub）和 Daytona 沙箱环境，为后续探索智能体轨迹生成、教师模型蒸馏以及任务多样性增强等技术奠定了坚实基础，推动了自主智能体领域的数据驱动发展。

数据集最近研究

最新研究方向

在智能体与软件工程交叉的前沿领域，OpenThoughts-Agent-SFT-1K作为构建自主代理模型的关键数据资源，聚焦于通过1000个精选的多回合交互轨迹来训练具备终端操作、代码编写与问题解决能力的语言模型。该数据集从SWE-Smith、StackExchange等顶级任务源中提取高价值样例，并利用GLM-4.7-AWQ教师模型在沙箱环境中生成标准化轨迹，为研究可扩展的智能体行为克隆与监督微调提供了基准。相关工作已成功微调出8B和32B参数规模的OpenThinkerAgent模型，其最终推出的100K规模完整版进一步支撑起面向复杂软件工程场景的智能体能力跃升。这一方向紧密呼应了大语言模型从纯文本推理走向环境感知与行动执行的演进趋势，在自动化代码修复、系统运维和任务规划等领域具有典范意义。