工具调用 Agent 的缩放定律：数据预算变大后，该扩多样性而不是堆任务量

为什么值得读

Agent 训练最大的瓶颈已经从算力变成「有工具、有状态、可验证」的环境数据。这篇是目前少见的、把环境合成当成预训练数据配比来系统研究的论文。

问题：任务多不等于环境丰富

训练会调工具的 Agent，需要有真实接口、真实数据、真实失败模式的环境。人工造环境太贵，于是大家都在合成，但合成往往是「一个环境批量刷任务」——任务数上去了，工具和数据库的分布其实没变。

结果就是模型在训练分布里分数很高，换个 API 形态就崩。到底该往哪个方向加预算，此前没有可预测的答案。

方法：把环境拆成三个可独立放大的旋钮

作者提出 SynthAPI 流水线，把合成环境的多样性显式拆成三条轴：工具（API 的种类与形态）、任务（要完成什么）、数据库（工具操作的数据长什么样）。三条轴可以独立调节，于是可以干净地做「只扩一条轴」的对照实验。

规模上相当硬：458,752 个任务、849 个训练出来的模型、四种模型尺寸，然后在下游基准上测泛化。

发现：一条能预测泛化的曲线，和三个反直觉结论

第一，泛化能力可以被环境规模与组成预测，这说明 Agent 训练正在变成一门有配方可言的工程，而不是碰运气。

第二，当数据预算增长时，扩工具多样性和数据库多样性比增加任务数量更有效——这与「多刷点题」的直觉相反。

第三，提高数据复杂度带来的增益比单纯扩量更大。按这套结论扩出来的 Agent，在四个评测基准上超过了此前大规模工具 Agent 与合成环境工作的训练结果。

可迁移的经验

如果你在做企业内部的 Agent，这条定律的直接含义是：与其把 100 个业务问题各造 1000 条样本，不如把 100 个工具、几十套数据 schema 造扎实，再让任务自然生长。

它也解释了为什么很多 Agent demo 惊艳、上线拉胯：训练时的环境多样性远小于真实世界的工具与数据分布。

本文基于论文原文摘要与方法章节整理，观点由编辑撰写；如与原文有出入，以 arXiv 原文为准。 发现错误欢迎 邮件指正。