Meta：Autodata 构建高质量合成数据的智能体数据科学家 让大模型自己喂自己

Autodata 一种让 AI 智能体扮演“数据科学家”角色的新方法，旨在自主构建高质量的合成训练与评估数据。该框架采用了一种双层循环优化机制：内层循环由智能体生成数据并根据弱模型与强模型的表现差异进行自我修正，而外层循环则对智能体本身的指令策略进行元优化。实验证明，这种方法在计算机科学、法律和数学等复杂推理任务中显著提升了模型性能，效果优于传统的合成数据生成技术。其核心优势在于能够将推理算力高效转化为训练质量，通过生成难度适中且具有辨别力的挑战性题目来突破模型能力的瓶颈。这种自主迭代的模式不仅减少了人工标注的负担，还展示了 AI 系统自我演进和数据驱动的未来潜力。