open-thoughts/OpenThoughts-Agent-SFT-10K

OpenThoughts-Agent-SFT-10K是一个开源数据集，旨在为训练代理模型提供高质量数据。它是OpenThoughts-Agent SFT扩展阶梯中的一个10,000示例点（规模包括316、1K、3.16K、10K、31.6K、100K）。数据集包含（任务，代理轨迹）对，用于微调OpenThinkerAgent-8B-SFT-10K和OpenThinkerAgent-32B-SFT-10K模型。任务来自四个主要来源：SWE-Smith、StackExchange-SuperUser、StackExchange-Tezos（通过合成增强以扩展任务多样性）和IssueTasks。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10,000行数据，字段包括对话（多轮代理轨迹）、任务描述、轨迹来源、代理元数据（如模型和提供者）以及滚动簿记信息（如结果和日期）。

OpenThoughts-Agent-SFT-10K is an open-source dataset curated for training agents. It is the 10,000-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-10K and OpenThinkerAgent-32B-SFT-10K models. 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 consists of 10,000 rows with fields including conversations (multi-turn agent trajectory), task description, trace source, agent metadata (e.g., model and provider), and rollout bookkeeping (e.g., result and date).

搜集汇总

数据集介绍

构建方式

在智能体模型训练领域，高质量的任务-轨迹数据对是提升模型决策能力的关键。OpenThoughts-Agent-SFT-10K数据集作为OpenThoughts-Agent监督微调规模化阶梯中的一环，精心筛选了来自四个最优任务源的10,000个样本，包括SWE-Smith、StackExchange-SuperUser、StackExchange-Tezos（经数据增强以扩展任务多样性）以及IssueTasks。每条样本由GLM-4.7-AWQ作为教师模型，在Daytona沙盒中的terminus-2框架下生成完整的智能体交互轨迹，并严格过滤出至少包含5轮模型交互的轨迹，确保数据质量与长程推理能力的训练需求相匹配。

特点

该数据集的核心特点在于其规模化的层级设计与丰富的元数据标注。作为从316到100K样本的阶梯式数据集的一环，本次发布的10K版本为模型训练提供了恰到好处的数据量平衡。每条记录不仅包含多轮对话形式的智能体轨迹与原始任务描述，还详尽记录了任务来源、教师模型信息、运行参数等元数据，便于研究者追溯数据生成流程与进行消融实验。数据集覆盖终端操作、代码工程、技术问答等软件工程场景，特别强化了复杂任务场景下智能体多步推理与工具调用的能力训练。

使用方法

该数据集可直接用于监督微调智能体大语言模型，尤其适合训练具有多轮交互与工具使用能力的agent模型。使用者可加载'conversations'字段作为标准的对话格式训练数据，配合'task'字段作为输入提示。数据集的元数据字段支持按任务来源进行分层采样或针对性微调。值得注意的是，该数据集已作为OpenThinkerAgent-8B-SFT-10K和32B版本模型的训练数据，研究者可参照对应模型的训练配置复现实验或在此基础上进行进一步优化。数据采用Apache-2.0许可协议，便于学术与工业应用。

背景与挑战

背景概述

在人工智能体（Agent）研究领域，如何高效地通过监督微调（SFT）提升模型在复杂任务中的端到端执行能力，已成为核心挑战之一。OpenThoughts-Agent-SFT-10K 数据集由 OpenThoughts 团队于 2026 年发布，旨在为训练通用型智能体模型提供高质量的（任务，轨迹）配对数据。该数据集以 10,000 个样本为节点，构建了一条从 316 到 100K 样本的规模化 SFT 阶梯，支撑了 OpenThinkerAgent-8B 与 32B 等模型的微调。其任务来源经严格消融实验筛选，涵盖 SWE-Smith、StackExchange 及 IssueTasks 等真实世界软件工程与用户支持场景，显著推动了智能体在终端交互、代码生成等领域的泛化能力与可复现性。

当前挑战

该数据集所应对的核心领域挑战在于，现有智能体模型常因缺乏多样化、多轮交互的真实轨迹数据，而难以胜任需要长期推理与工具调用的复杂任务；自主智能体在终端环境中的长行程规划、错误恢复及反馈整合能力仍显薄弱。在构建过程中，团队面临两大困难：一是如何从零散的开源任务来源中筛选并合成具备高多样性和任务难度的样本，例如通过对 Tezos 数据集进行数据增强来扩展任务覆盖；二是如何确保教师模型（GLM-4.7-AWQ）生成的轨迹具有足够的质量与多轮深度——要求至少 5 个模型轮次，并借助 Daytona 沙箱内的 terminus-2 框架进行可靠回滚与过滤，这对算力与工程实现提出了极高要求。

常用场景

经典使用场景

在智能体与代码工程交叉的前沿领域，OpenThoughts-Agent-SFT-10K被广泛用作监督微调的核心训练语料。该数据集汇集了来自SWE-Smith、StackExchange-SuperUser、StackExchange-Tezos及IssueTasks四大任务源的万余条高质量智能体轨迹，每条样本均包含完整的任务描述与多轮交互路径。研究者借助这些由GLM-4.7-AWQ教师模型在Daytona沙盒中生成的轨迹，对语言模型进行指令跟随与工具调用能力的对齐训练。经典的实验范式是将模型在此数据集上微调后，在终端操作、代码修复、系统管理等复杂代理任务中评估其自主规划与执行水平。

解决学术问题

该数据集在学术层面着力破解智能体训练中数据规模与质量不可兼得的困局。以往代理模型的构建常受限于人工标注成本高昂、合成轨迹噪声过大等问题，而OpenThoughts-Agent-SFT-10K通过自动化流水线筛选出至少包含5轮模型交互的完整轨迹，有效保证了训练信号的密度与一致性。它系统性地回答了‘多少规模的优质轨迹数据才能驱动智能体能力涌现’这一关键问题，为后续研究者提供了从316条到10万条的可扩展基线参考。这一工作的意义在于，它首次在开放框架下打通了任务溯源、轨迹生成与规模化训练的完整链路，大幅降低了智能体研究的门槛。

衍生相关工作

围绕OpenThoughts-Agent-SFT-10K的数据配方与训练范式，衍生出了一系列具有影响力的研究工作。最直接的成果是OpenThinkerAgent-8B-SFT-10K与OpenThinkerAgent-32B-SFT-10K两款开源模型，它们在不同参数量级上验证了该数据集对智能体推理能力的提升效果。更广泛地，该数据集作为OpenThoughts-Agent项目的数据集系列中的关键一环，推动了智能体在软件工程、代码生成与系统交互等领域大规模监督微调方法论的形成，并启发了后续关于轨迹质量过滤、偏好对齐与多源任务融合等方面的探索，为构建通用代理模型奠定了数据基础。