open-thoughts/OpenThoughts-Agent-SFT-31.6K

OpenThoughts-Agent-SFT-31.6K是一个开源数据集，旨在为训练智能体提供高质量数据。它包含31,600个示例，是OpenThoughts-Agent SFT扩展阶梯的一部分（规模包括316、1K、3.16K、10K、31.6K和100K）。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-31.6K和OpenThinkerAgent-32B-SFT-31.6K模型。任务来源于四个主要领域：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模型作为教师，在terminus-2工具和Daytona沙箱中生成，并过滤出至少包含5个模型轮次的轨迹。数据集字段包括多轮对话轨迹（conversations）、任务描述（task）、任务来源（trace_source）、智能体和模型元数据（agent、model、model_provider）以及滚动记录信息（result、episode、run_id、trial_name、date）。该数据集是OpenThoughts-Agent项目的一部分，该项目还包括其他数据集、模型和研究代码库。

OpenThoughts-Agent-SFT-31.6K is an open-source dataset curated for training agents. It consists of 31,600 examples, representing a point in the OpenThoughts-Agent SFT scaling ladder (sizes 316, 1K, 3.16K, 10K, 31.6K, and 100K). Each example contains (task, agent-trajectory) pairs used to fine-tune OpenThinkerAgent-8B-SFT-31.6K and OpenThinkerAgent-32B-SFT-31.6K models. Tasks are drawn from the Top-4 sources identified through ablations: 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 within Daytona sandboxes, filtered to traces with at least 5 model turns. The dataset includes fields such as conversations (multi-turn agent trajectory), task description, trace_source (origin of the task), agent/model metadata, and rollout bookkeeping information. It is part of the OpenThoughts-Agent project, which also releases other datasets, models, and a research codebase.

搜集汇总

数据集介绍

构建方式

OpenThoughts-Agent-SFT-31.6K数据集源于对智能体训练数据的系统性筛选与构建。其任务来源经过精心消融实验，最终择优选取了SWE-Smith、StackExchange-SuperUser、StackExchange-Tezos（经合成增强以扩充任务多样性）及IssueTasks四大优质渠道。智能体轨迹由GLM-4.7-AWQ模型作为教师，在Daytona沙箱环境中的terminus-2框架下生成，并经过严格过滤，仅保留包含至少5轮模型交互的对话序列。最终形成了包含31,600条任务-智能体轨迹对的监督微调数据集。

特点

该数据集呈现出鲜明的层次化与阶梯式扩展特征，属于OpenThoughts-Agent SFT扩展阶梯中31,600样本规模的关键节点。数据集中每一行均包含完整的多轮对话轨迹、任务描述、来源标识以及丰富的元数据（如智能体、模型、运行标识等），为研究者提供了细粒度的可追溯性。任务来源的多样性经实验验证，能够有效支撑智能体模型的泛化能力，而轨迹长度筛选机制则确保了训练样本的质量与复杂度平衡。

使用方法

该数据集可直接用于对大型语言模型进行面向智能体任务的监督微调。研究者可将数据集中的多轮对话序列作为训练样本，结合标准的SFT框架对模型进行参数更新。官方已基于此数据集成功微调了OpenThinkerAgent-8B-SFT-31.6K和OpenThinkerAgent-32B-SFT-31.6K两个模型，验证了其有效性。数据集的HuggingFace页面提供了便捷的下载接口，并建议研究者将其作为更大规模（如100K版本）数据集的基准参照，或用于智能体能力评估中的对比实验。

背景与挑战

背景概述

OpenThoughts-Agent-SFT-31.6K数据集由OpenThoughts团队于2026年创建，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。该数据集聚焦于解决软件工程与命令行交互中的复杂任务，涵盖SWE-Smith、StackExchange-SuperUser、StackExchange-Tezos及IssueTasks四大任务来源，利用GLM-4.7-AWQ模型在Daytona沙盒环境中生成了31,600条包含至少5轮交互的多轮智能体轨迹。作为OpenThoughts-Agent系列SFT数据规模阶梯中的关键节点，该数据集支撑了8B与32B参数规模智能体模型的微调，推动了开源社区在具身化任务执行与代码生成等领域的研究进展。

当前挑战

在领域问题层面，智能体模型面临的核心挑战在于如何从开放式任务描述中自主规划、执行并修正多步骤行动序列，例如在终端环境中调试代码或通过命令行完成系统管理任务，这要求模型具备长程依赖建模、工具调用决策及错误恢复能力。在构建过程中，研究团队需应对合成数据多样性不足的困境，通过数据增强策略拓展StackExchange-Tezos等来源的多样性；同时，采集高质量轨迹需要依赖GLM-4.7-AWQ教师模型在安全沙盒中生成，并滤除短期交互样本，确保每条轨迹包含至少5轮有效交互以覆盖真实决策复杂性。

常用场景

经典使用场景

OpenThoughts-Agent-SFT-31.6K作为智能体领域的高质量监督微调数据集，其最经典的使用场景在于通过任务-轨迹对训练语言模型完成复杂的交互式指令执行。数据集中涵盖了来自SWE-Smith、StackExchange、Tezos及IssueTasks四大来源的真实世界任务，并记录了GLM-4.7-AWQ教师在安全沙箱中生成的多轮次智能体轨迹。研究者可借助该数据集让模型学习命令行操作、软件工程任务解决、技术问答等场景中的工具调用与决策推理能力，从而构建具备自主交互能力的智能体系统。

衍生相关工作

围绕OpenThoughts-Agent-SFT-31.6K衍生出的代表性工作包括OpenThinkerAgent-8B-SFT与OpenThinkerAgent-32B-SFT两阶段模型，这些模型直接采用该数据集进行监督微调。该数据集还作为核心组成部分支撑了OpenThoughts-Agent研究体系中的“数据缩放律”实证分析，揭示了轨迹数据规模与智能体任务成功率之间的幂律关系。同时，项目开源的terminus-2执行框架与Daytona沙箱机制也成为后续智能体轨迹生成、筛选与评估的参考范式，催生了一系列关于智能体数据食谱与模型对齐策略的延伸探索。

数据集最近研究

最新研究方向

OpenThoughts-Agent-SFT-31.6K数据集聚焦于智能体（Agent）行为轨迹的监督微调，代表了当前大语言模型从静态文本生成向动态任务执行跃迁的前沿研究方向。该数据集通过整合SWE-Smith、StackExchange等多源任务，并利用GLM-4.7-AWQ作为教师模型生成高质量多轮交互轨迹，为训练具备终端操作、代码编写与软件工程能力的智能体提供了规模化、结构化的训练素材。其开源特性与规模化消融实验设计，不仅推动了可信赖智能体训练数据配方（Data Recipes）的标准化探索，也呼应了业界对可解释、可复现AI Agent研究的热切需求，对构建能自主完成复杂任务链的下一代AI系统具有奠基意义。