苹果公司研究团队近期提出一项创新方法，通过语言模型直接生成手机AI助手训练数据，跳过传统数据收集所需的复杂环境搭建过程。这项名为ESAT（无需真实环境的合成智能体轨迹生成）的技术，以预印本形式发布于学术平台，论文编号arXiv:2607.16900。其核心突破在于仅需应用接口文档，即可自动生成包含完整操作轨迹的虚拟数据，无需真实服务器、数据库或程序代码支持。
传统训练方式需构建包含真实订单系统、银行接口、通讯录等功能的数字沙盒环境，供AI助手模拟完成订餐、转账等任务。这种"练兵场"模式不仅开发成本高昂，且每新增应用组合都需重新搭建。研究团队转而利用语言模型对软件逻辑的深刻理解，让一个模型扮演"数字世界"返回虚构但合理的系统响应，另一个模型扮演AI助手执行任务，通过角色扮演完成数据生成闭环。
技术实现面临两大挑战：保持跨步骤操作的一致性，以及确保虚构数据的真实性。例如当AI助手第五步添加歌曲到播放列表后，第十步查询时该曲目必须存在；用户设定为女性时，所有返回的性别信息需保持统一。研究团队设计四层质检机制：程序化验证参数完整性、检查数据结构合规性、裁判模型审核语义合理性，最终仅保留通过多重检验的轨迹。
数据生成流程分为三个阶段：首先通过"配置桶"机制生成多样化任务，涵盖不同难度、应用组合和操作类型，并采用逆频率采样确保冷门接口获得充分训练；随后教师智能体与模拟器进行多轮对话，模拟器综合接口文档、任务上下文、虚拟用户画像等信息生成响应；最终由裁判模型筛选出真正完成目标的任务轨迹。在AppWorld测评中，系统为9个应用生成9000条轨迹，同时针对52个虚构应用设计1017个接口，产出6000条全新训练数据。
实验结果显示，使用虚构应用数据训练的模型在AppWorld测评中表现优异，270亿参数模型普通任务完成率达84.2%，挑战任务达79%，接近教师模型水平。更引人注目的是，虚构数据训练效果超越真实环境收集的634条成功轨迹，合并使用两类数据时模型性能进一步提升4.1-15.3个百分点。在OfficeBench自动化办公场景中，ESAT数据使20亿参数模型任务完成率提升60.5个百分点，显著优于同类方案Simia。
可靠性验证表明，模拟器生成的接口响应93.7%通过外部裁判审查，但在处理超2000词元的长响应时失败率升至23%。轨迹筛选环节，Gemini裁判与真实环境验证的精确率达95.2%，与人类标注者一致性系数0.90。对比实验显示，早期不考虑状态关联的合成数据集导致模型性能下降，而ESAT通过维护持久世界状态，使模型掌握跨步骤状态追踪能力。
生产效率方面，AppWorld数据集初始生成3万候选任务，最终产出9352条高质量轨迹，模拟器重试率仅6.12%；虚构应用数据集实现99.6%接口覆盖率，逆频率采样防止数据偏向热门接口。研究团队承认当前方案在精确计算任务存在局限，但强调随着语言模型能力提升，模拟复杂场景的可靠性将持续增强。这项技术已展示降低AI助手开发门槛的潜力，开发者仅需提供接口文档即可启动训练流程。
