open-thoughts/OpenThoughts-Agent-SFT-316

OpenThoughts-Agent-SFT-316是一个开源数据集，属于OpenThoughts-Agent项目的一部分，旨在策划用于训练智能体的高质量数据集。该数据集包含316个示例，是SFT（监督微调）扩展阶梯中的一个点（其他规模包括1K、3.16K等）。数据由（任务，智能体轨迹）对组成，用于微调OpenThinkerAgent-8B-SFT-316和OpenThinkerAgent-32B-SFT-316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）和IssueTasks。智能体轨迹由GLM-4.7-AWQ模型作为教师在terminus-2框架内生成，并过滤了至少包含5个模型轮次的轨迹。数据集字段包括conversations（多轮智能体轨迹消息）、task（任务描述）、trace_source（任务来源）、agent/model/model_provider（元数据）以及result/episode/run_id/trial_name/date（记录信息）。行数为316，教师模型为GLM-4.7-AWQ，框架为terminus-2。

OpenThoughts-Agent-SFT-316 is an open-source dataset curated as part of the OpenThoughts-Agent project to provide high-quality data for training agents. It contains 316 examples, representing one point in the SFT scaling ladder (with other sizes including 1K, 3.16K, etc.). The dataset consists of (task, agent-trajectory) pairs used to fine-tune models such as OpenThinkerAgent-8B-SFT-316 and OpenThinkerAgent-32B-SFT-316. Tasks are drawn from four primary sources: SWE-Smith, StackExchange-SuperUser, StackExchange-Tezos (synthetically augmented to expand task diversity), and IssueTasks. Agentic trajectories are generated by the GLM-4.7-AWQ model acting as the teacher within the terminus-2 harness, filtered to include traces with at least 5 model turns. Fields include conversations (multi-turn agent trajectory messages), task (task description), trace_source (originating task source), agent/model/model_provider (metadata), and result/episode/run_id/trial_name/date (bookkeeping information). It has 316 rows, with the teacher model being GLM-4.7-AWQ and the harness being terminus-2.

搜集汇总

数据集介绍

构建方式

OpenThoughts-Agent-SFT-316 作为 OpenThoughts-Agent 系列中监督微调（SFT）规模阶梯的起点，精选了 316 条高质量样本。其任务源自消融实验筛选出的四大核心来源：SWE-Smith、StackExchange-SuperUser、StackExchange-Tezos（经合成增强以扩展任务多样性）以及 IssueTasks。每条轨迹均由教师模型 GLM-4.7-AWQ 在 terminus-2 框架内，于 Daytona 沙箱环境中生成，并保留至少包含 5 轮模型交互的智能体轨迹，最终构成（任务，智能体轨迹）配对数据集。

特点

该数据集的核心特色在于其稀缺性与高质量的统一。作为 316 条样本的精细集合，它聚焦于源自真实软件工程与系统管理场景的终端交互任务，涵盖代码开发、问题排查与配置优化等复杂情境。每条轨迹均包含丰富的多轮对话结构，且清晰标注了任务来源、生成教师模型及运行元数据，为智能体的长程规划与工具使用能力训练提供了严谨且专业的微调原料。

使用方法

该数据集专用于监督微调语言模型以增强其智能体能力，可直接加载为多轮对话格式进行训练。用户可通过 Hugging Face Datasets 库轻松获取，并利用其中的 `conversations` 字段作为模型输入与目标响应。它已成功用于微调 OpenThinkerAgent-8B-SFT-316 与 OpenThinkerAgent-32B-SFT-316 模型，是研究智能体学习过程中数据规模缩放效应的理想起点。

背景与挑战

背景概述

OpenThoughts-Agent-SFT-316是由OpenThoughts团队于2026年发布的一个面向智能体（agent）训练的高质量监督微调数据集。该数据集的核心研究问题在于探索如何通过精心筛选和构建的、包含任务与智能体行为轨迹的指令对，有效提升大语言模型在终端操作、代码编写与软件工程等复杂环境中的自主执行能力。数据集的构建依托于SWE-Smith、StackExchange-SuperUser等四个经消融实验验证的顶级任务源，并采用GLM-4.7-AWQ作为教师模型在Daytona沙盒中生成多轮交互轨迹，为智能体研究提供了可扩展、可复现的基准资源。

当前挑战

该数据集所解决的领域挑战在于，当前智能体模型在真实终端环境中常因缺乏高质量、多步骤的行为序列数据而难以实现可靠的任务分解与执行，OpenThoughts-Agent-SFT-316通过精选316条包含至少5轮模型交互的成功轨迹，为模型学习长程依赖与工具调用提供了关键支撑。构建过程中面临的挑战包括：如何从海量未筛选的任务日志中识别并保证轨迹的完整性与有效性，如何通过合成增强手段在Tezos等来源上扩展任务多样性以避免过拟合，以及如何在Daytona沙盒这一受控环境中模拟真实世界的终端交互噪声，从而确保数据集对实际部署场景的泛化能力。

常用场景

经典使用场景

OpenThoughts-Agent-SFT-316数据集在智能体（Agent）微调领域占据着举足轻重的地位，其最经典的使用场景莫过于作为监督微调（SFT）的基准集，用以训练具备多轮交互能力的语言模型。该数据集精挑细选了316个来自SWE-Smith、StackExchange-SuperUser、StackExchange-Tezos和IssueTasks等权威来源的任务，并配以GLM-4.7-AWQ模型在terminus-2框架下生成的高质量智能体轨迹。这些轨迹经过严格筛选，确保每一条都包含至少5次模型交互回合，从而为模型提供了丰富的决策链和上下文理解范例，使其能够学习如何在不同领域环境中逐步解决问题。研究者通常在OpenThinkerAgent-8B-SFT-316和32B-SFT-316等模型的微调任务中使用该数据集，探索其作为SFT规模扩展阶梯（涵盖316至100K样本）的起点，如何影响智能体模型在工具调用、代码执行和终端操作等复杂场景下的表现。这一使用场景不仅验证了数据质量与模型性能之间的正相关性，也为后续更大规模的SFT数据集构建奠定了方法论基础。

衍生相关工作

OpenThoughts-Agent-SFT-316数据集的发布催生了一系列具有影响力的衍生工作，推动了智能体研究领域的快速发展。最直接的相关工作包括基于该数据集训练的OpenThinkerAgent-8B-SFT-316和32B-SFT-316模型，它们作为规模扩展梯度的起点，为研究不同参数量下智能体性能的缩放规律提供了关键参考。此外，研究者基于该数据集的数据配方开展了大量消融实验，进一步优化了任务来源选择和轨迹过滤策略，衍生出如OpenThoughts-Agent-1K、3.16K乃至100K等更大规模的SFT数据集，形成了完整的规模扩展族。这些工作不仅验证了数据多样性对模型泛化能力的提升作用，还促成了对终端轨迹生成框架terminus-2的改进和Daytona沙箱环境的优化。在学术论文方面，该数据集被用作对比基线，出现在多篇探讨智能体强化学习、指令微调及多模态交互的最新研究中。更深远的影响体现在开源社区，该数据集促进了协作式模型开发，例如社区基于其轨迹格式衍生出适应不同工具链的变体，或将其与合成数据生成技术结合，探索半监督学习在智能体训练中的应用潜力。

数据集最近研究

最新研究方向

OpenThoughts-Agent-SFT-316数据集聚焦于智能体模型的监督式微调，通过精选任务与智能体轨迹对，探究数据规模与模型性能的扩展规律。当前前沿方向涵盖多源任务合成（如SWE-Smith、StackExchange等）与多样化智能体轨迹生成，结合GLM-4.7等教师模型在沙箱环境中的交互数据，推动可复现的智能体训练流程。该研究呼应了开源智能体生态对透明化数据配方与标准化评估的迫切需求，为构建具备终端操作与软件工程能力的通用智能体奠定数据基础，其影响力体现在降低智能体模型训练门槛并促进社区协作创新。