AutoSFT 把 SFT 数据研究拆成多智能体分工，单智能体跑33轮只调混合比例

如果把完整的 SFT（监督微调）数据研究任务交给一个智能体，会发生什么？它只会反复调整数据混合比例，既不修复坏样本，也不生成新回复或合成数据。词云里全是“权重”“比例”这类词，跑了几十轮，得分几乎没有提升。

AutoSFT 由 THUNLP、北邮、ModelBest、UIUC、CUHK 联合推出，把数据研究的全生命周期拆成不同角色：专门的执行器、4个分析子智能体（分别负责训练数据、失败案例、学习动态、研究历史）、带验证器的合成写作器，以及负责挑选下一套方案的元智能体。

单智能体基线跑了33轮，只做数据混合这一类操作，上下文占用率达 94.7%，被压缩了10次。执行器介入后，压缩次数从10次降到5次，shell 事件占比从58%降到29%。

AutoSFT 在30轮实验中覆盖了全部6类数据操作，第6轮的 IFEval 得分就达到 63.33，超过基线跑50轮的最好成绩。同等预算下得分提升 6.5 分，第30轮得分达 67.10。

仅靠合成写作器单独作用，IFEval 提升 3.4 分，IFBench 提升 2.9 分，MBPP+ 编码任务提升 3.7 分。

结论是：自动化数据研究的效果，更多取决于能否覆盖多样化的数据操作，而不是单个操作本身的强度。