【第684期】Autodata：以智能体模拟数据科学家构建高质量合成数据

Seventy3 是一档借助 NotebookLM 解读前沿论文的播客——不是念摘要，也不是泛泛而谈，而是让 AI 帮你把论文掰开揉碎，说人话。我们蹲在人工智能、大模型、机器人算法、crypto 这几个领域，每期挑一篇值得关注的工作，用对话的方式聊给你听。你可以在通勤路上听，做实验的时候听，也可以当背景音放着，让新知识自然地长进脑子里。

如果你正在做有意思的研究，想让更多人看到——不管你是博士生、独立研究者还是实验室的博士后——把论文发给我们，我们帮你用 AI 做一期深度解读，让你的工作被更多同路人发现。

联系小助手微信：seventy3_podcast（加群/投稿论文）

今天的这篇的主题是：

Autodata: An agentic data scientist to create high quality synthetic data

Summary

我们推出了 Autodata，这是一种能够让 AI 智能体充当“数据科学家”来构建高质量训练和评估数据的通用方法。我们展示了如何训练（元优化，meta-optimize）这样一个数据科学家智能体，使其学会创建质量更高的数据。

我们阐述了其整体公式设计，以及一个具体的实用实现方案——Agentic Self-Instruct。我们在计算机科学研究任务、法律推理任务以及数学对象推理任务上进行了实验，与传统合成数据集创建方法相比，我们取得了更优异的结果。此外，对数据科学家智能体本身进行元优化，带来了更为显著的性能提升。

具主体性的数据创建（Agentic data creation）提供了一种将增加的推理算力转化为更高质量模型训练的途径。总体而言，我们相信这一方向有望改变我们构建 AI 数据的方式。

原文链接：https://arxiv.org/abs/2606.25996