CurateEvo：面向智能体后训练的数据策展进化

大型语言模型智能体需要利用环境反馈提升长程决策能力的后训练方法。现有流程常将数据策展视为固定预处理步骤，忽视了对下游失败的过滤与适应。本文提出 CurateEvo，一种失败驱动的动态进化框架。它将策展策略表示为可执行代码，利用开发集中的失败轨迹迭代重写策略。该过程通过诊断重复失败模式来增强、过滤或细化数据以提升效果，并在成本感知目标下剪枝冗余数据以提高效率。实验表明，该方法在多个基准上显著优于现有策展方法，且兼容不同后训练方案。