Trajectory2Task: Training Robust Tool-Calling Agents with Synthesized Yet Verifiable Data for Complex User Intents

Idea

Trajectory2Task 采用 trajectory-first 数据合成：先在可执行工具环境中探索真实可运行的调用链，再反向生成用户任务，并加入 ambiguous、changing、infeasible intent。这样任务有可验证的执行结果作为基础，同时训练 agent 进行澄清、适应目标变化和遵守不可行约束。

Research Problem

现有 tool-use 数据常假设用户目标固定且信息完整；task-first 合成又需要 solver 生成 reference trace，若 solver 错误，错误可能被当作 gold。真实客服交互中的缺信息、用户改主意和政策禁止请求既影响 dialogue，也影响 backend writes，单看调用格式不足以评价。

Insight

从已执行轨迹反推任务，可以先确定环境中可达到的状态，再控制用户如何表达或逐步透露目标。把复杂 intent 放在任务和 user simulator 中，而保持可执行骨架，有助于同时获得交互难度与自动验收条件；不可行任务的成功应定义为诊断和合规响应，而非满足原请求。

Method

1. 在 Tau2-Bench 的工具和数据库上建立 API dependency DAG，从用户库抽 profile、从 trajectory bank 取 seed，再沿工具图 random walk 取子集，由 explorer 实际执行多步调用；新轨迹回存 bank 扩大覆盖。
2. 过滤没有数据库变化、无人工转交且无必要沟通输出的轨迹，由 summarizer 转成自然语言任务；validity-check LLM 按 realism、necessity、correctness 检查任务与 trace 的一致性，并以抽样人工审查检查 judge。
3. 在 ambiguous 条件隐藏关键参数直到 agent 提问；changing 条件设置真正中途改目标或新增请求；infeasible 条件注明政策/工具限制、required diagnostic actions 与 forbidden actions，按完成前者且避免后者验收。
4. 让强模型在合成任务中与模拟用户和工具闭环 rollout，保留自动 verifier 通过的成功 interaction trajectories，包括 reasoning 与 outward actions；用 token likelihood SFT 小模型，再测试三类 intent 及未见工具领域的迁移。