AgentTuning: Enabling Generalized Agent Abilities for LLMs
AgentTuning 是一个旨在增强大语言模型智能体（Agent）能力的微调框架，通过利用多种智能体任务的交互轨迹进行指令微调，使模型在具备通用语言能力的同时，也能在未见过的智能体任务中展现出强大的泛化表现。该项目开源了高质量的训练数据集及微调后的系列模型，为构建更智能、更具执行力的 AI 助手提供了技术支撑。
AgentInstruct 数据集包含 1866 条精心筛选的高质量交互轨迹，涵盖了从日常琐事到数据库操作等六大真实场景。
数据集中的任务采用了 ReAct 思维链模式，为每个动作提供详细的推理说明以提升模型的决策质量。
所有数据均经过严格的奖励过滤和去重校验，确保了训练数据的准确性与纯净度。
AgentLM 系列模型通过混合训练 AgentInstruct 与通用对话数据集，实现了在保持基础对话能力的同时大幅提升智能体执行水平。
该项目适用于大模型研究人员及开发者，特别适合在需要构建复杂任务处理、工具调用或自动化工作流的 AI 应用开发场景中使用。