ServiceNow CoreAI présente AutoSynthData, un pipeline qui génère et valide des tâches d'entraînement synthétiques pour les agents d'entreprise en tirant parti des échecs du modèle cible et des succès d'un enseignant plus fort. Le système identifie les lacunes de capacité via des évaluations diagnostiques et crée des tâches exécutables avec des vérificateurs pour adresser des faiblesses spécifiques.
- Les tâches sont définies par des spécifications système, des invites utilisateur et des vérificateurs assurant la faisabilité, le réalisme et la difficulté.
- Une phase "target" génère des échantillons centraux tandis qu'une phase "multiply" les étend en variantes novatrices.
- Le contrôle qualité inclut la vérification positive/négative et la réparation pilotée par critique pour des candidats individuels.
- La revue au niveau du lot surveille la couverture et la diversité pour prévenir la surreprésentation de familles de tâches faciles.
L'approche traite la génération de données synthétiques comme une recherche près de la limite de capacité du modèle, permettant au curriculum de se déplacer vers les difficultés restantes à mesure que l'agent s'améliore.