ServiceNow CoreAI AutoSynthData पेश करता है, एक पाइपलाइन जो लक्षित मॉडल की विफलताओं और मजबूत शिक्षक की सफलताओं का लाभ उठाकर एंटरप्राइज एजेंट्स के लिए संयुक्त ट्रेनिंग कार्यों को जनरेट और वैलिडेट करती है। सिस्टम डायग्नोस्टिक एवल्यूएशन के माध्यम से क्षमता अंतराल की पहचान करता है और विशिष्ट कमजोरियों को संबोधित करने के लिए वर्फाइयर्स के साथ एक्जीक्यूटेबल कार्यों को बनाता है।
- कार्य सिस्टम स्पेसिफिकेशन, यूजर प्रॉम्प्ट्स और वर्फाइयर्स द्वारा परिभाषित किए जाते हैं जो संभावना, यथार्थवाद और कठिनाई सुनिश्चित करते हैं।
- एक "target" चरण कोर सैंपल्स जनरेट करता है जबकि एक "multiply" चरण उन्हें नए वैरिएंट्स में विस्तारित करता है।
- गुणवत्ता नियंत्रण में पॉजिटिव/नेगेटिव वर्फिकेशन और व्यक्तिगत उम्मीदवारों के लिए आलोचना-संचालित मरम्मत शामिल है।
- बैच-स्तर समीक्षा कवरेज और विविधता की निगरानी करती है ताकि आसान कार्य परिवारों के अत्यधिक प्रतिनिधित्व को रोका जा सके।
दृष्टिकोण संयुक्त डेटा जनरेशन को मॉडल की क्षमता सीमा के पास एक खोज के रूप में मानता है, जिससे एजेंट के बेहतर होते समय पाठ्यक्रम शेष कठिनाइयों की ओर स्थानांतरित हो जाता है।