【免费下载链接】Qwen3.8-27B-multi-turn-agent-sft项目地址https://ai.gitcode.com/hf_mirrors/ukisai/Qwen3.8-27B-multi-turn-agent-sft点击查看免费下载Qwen3.8-27B-multi-turn-agent-sft 是欧洲小型研究实验室 UkisAI 发布的Agent 强化学习前 SFT 数据集它包含约 15,200 条由 Qwen3.8-27B 生成的多轮 Agent 交互轨迹覆盖终端操作、写代码和软件工程任务。通过监督微调SFT暖启动模型的 Agent 能力再无缝衔接强化学习RL阶段为训练会动手干活的大模型铺平道路。 这是一个什么样的 Agent SFT 数据集简单来说这个数据集回答了一个问题如何教会模型像 Agent 一样一步步完成任务数据来源基于 OpenThoughts-Agent-v1-SFT 数据集的思路构建由强教师Agent 产生高质量轨迹生成方式使用Qwen3.8-27BFP16 精度配合Terminus-2 agentic harness一套 Agent 执行框架实际跑出来数据形态每条轨迹都是多轮对话 工具调用 执行结果的完整过程正是 Agent 训练最需要的监督信号 数据集内容一览项目说明轨迹数量约15,200 条多轮 Agent 轨迹文件格式Parquet 单文件约 139 MB通过 Git LFS 存储任务领域终端terminal、编程coding、软件工程任务来源nl2bash自然语言转 bash 命令与InferredBugs推理修复代码缺陷等任务集生成模型Qwen3.8-27BFP16 Terminus-2 agentic harness许可证Apache-2.0 为什么强调多轮Agent 与聊天机器人最大的区别就在于多步推理执行一条命令 → 观察输出 → 再决定下一步。多轮轨迹恰好完整记录了这条思考—行动—观察链路。 用途定位SFT 暖启动RL 的起跑线项目方在 README.md 中明确了两层用途直接用于 SFT提升模型与终端交互、使用工具、解决编程和软件工程任务的能力相当于给模型暖启动作为后训练起点把 SFT 后的模型当作强化学习的初始化策略直接进入 RL 阶段 从 SFT 到强化学习它如何为 Agent RL 铺路这是整个数据集最有价值的地方。按照 OpenThoughts 项目的成熟训练路线Agent 训练被拆成两个阶段阶段一SFT模仿学习 阶段二RL强化学习 ───────────────────── ───────────────────── 教师轨迹 → 模型学会格式与流程 环境奖励 → 模型学会做对任务为什么 RL 之前必须做 SFT直接拿预训练模型上强化学习模型连工具调用的格式都不会输出探索效率极低。SFT 就像学开车前先学会认方向盘格式正确模型能稳定产出符合 agentic harness 要求的动作格式行为合理模型知道何时执行命令、何时读文件、何时停下来给出答案RL 才能高效有了靠谱的初始策略强化学习只需在格式正确的基础上优化效果好坏收敛更快、奖励信号更干净也就是说这份数据集扮演的正是RL 铺路石的角色——把模型从不会用工具提升到会用工具剩下的交给强化学习去精进。 快速上手三步获取 Agent SFT 数据集第一步克隆仓库仓库较大建议加--depth 1加速git clone https://gitcode.com/hf_mirrors/ukisai/Qwen3.8-27B-multi-turn-agent-sft第二步确认数据文件已拉取。核心数据 qwen38-agent-sft-combined-100pct.parquet 约 139 MB由 Git LFS 管理克隆时会自动下载。第三步加载查看。用 pandas 即可打开import pandas as pd df pd.read_parquet(qwen38-agent-sft-combined-100pct.parquet) print(df.shape)随后即可接入你熟悉的 SFT 训练框架如 LLaMA-Factory、Axolotl 等把轨迹字段映射到多轮消息 工具调用格式开始微调。 仓库文件说明仓库结构非常精简核心资料一目了然文件说明README.md数据集卡片用途、任务来源、致谢与背景qwen38-agent-sft-combined-100pct.parquet全量100%Agent 轨迹数据LFS 存储约 139 MB✅ 写在最后如果你正在规划 Agent 模型的训练路线Qwen3.8-27B-multi-turn-agent-sft提供了一个务实的切入点新手友好单文件 Parquet 格式克隆即用无需复杂的数据合成流程领域对口终端、编程、软件工程三大 Agent 核心场景全覆盖路线完整SFT 暖启动 → 强化学习精进一步铺到 Agent RL 的正道上先用 15,200 条真实多轮轨迹让模型学会动手再让强化学习教会它做好——这就是这份数据集想讲的故事。欢迎试用并反馈改进建议。赞分享【免费下载链接】Qwen3.8-27B-multi-turn-agent-sft项目地址https://ai.gitcode.com/hf_mirrors/ukisai/Qwen3.8-27B-multi-turn-agent-sft点击查看免费下载相关推荐Operator SDK operator-sdk run bundle-upgrade 命令完全指南使用 OLM 升级 Bundle 格式的 OperatorOperator SDK operator sdk run bundle upgrade 命令完全指南使用 OLM 升级 Bundle 格式的 Operato用 OpenCLI 把 GeoGebra 变成命令行几何画板从 eval 批量构图到绑定浏览器标签页实战用 OpenCLI 把 GeoGebra 变成命令行几何画板从 eval 批量构图到绑定浏览器标签页实战 本篇技术指南以 OpenCLI 的 GeoGebraCodex 模型不显示CC Switch 排障手册/model 菜单没模型时从这里查起Codex 模型不显示CC Switch 排障手册/model 菜单没模型时从这里查起 在 CC Switch 里保存第三方供应商后对话能正常进行、请求也桌面应用开发工具配置管理上一篇MCreator 物品 GUI 纹理GUI Texture字段详解作用、配置与代码生成原理下一篇Dysk终极Linux磁盘空间管理工具比df更强大的完整指南创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考