SynthCommonCorpus：面向智能体模型构建的最大开源合成预训练语料库

活动简介

本次演讲介绍计划于 2026 年秋季发布的 SynthCommonCorpus，一个面向智能体模型的开放合成预训练语料库。它将工具调用、多步骤任务分解和对抗性示例纳入预训练数据，以研究模型如何学习行动。内容包括合成数据生成方法，以及如何通过可追溯的授权种子数据支持结果复现、记忆行为分析和数据污染评估。