用合成資料和強化學習訓練 CLI 智能體：NVIDIA 詳解端到端流程 NEWS DETAIL

如果您的計算機使用智能體能夠學習全新的命令行界面並在不編寫文件或自由輸入 shell 命令的情況下安全操作會怎樣？NVIDIA 展示了如何通過合成資料生成和基於可驗證獎勵的強化學習，讓大型推理模型無需先驗知識即可安全操作新 CLI 工具。

該工作流將合成資料生成與 GRPO 優化相結合，使訓練既高效又安全。模型學習提出有效的 CLI 命令、在執行前請求明確的人工確認、從合成種子資料中學習新的子命令，並在單張 GPU 上高效訓練。

最終訓練的智能體可啓動本地伺服器、構建容器、生成 Dockerfile，全部通過可驗證的人工參與命令接口完成。這一模式具有良好的泛化能力，相同的流程可擴展支援新的 CLI 工具和環境。