AutoSynthData ya ServiceNowê Têkçûnên Ajanan Vediguherîne Zêrê Perwerdeyê

Bersiva kurt: AutoSynthData ya ServiceNow CoreAI têkçûnên ajan û serkeftinên mamosteyan vediguherîne karên SFT yên sentetîk ên pejirandî dema ku pargîdanî hewceyê jêhatîbûna jîngehê ne, ne tenê puanên benchmarkê yên berfireh. Ew valahiyên di nav kartên taybetmendiyên kapasîteyê de paqij dike, karê verastkirî pir zêde dike, dûv re berî mîhengkirina baş kalîteyê kontrol dike. Rawestandinên werzîşê yên EnterpriseOps ên ku ji hêla nivîskar ve hatine ragihandin heke hêza mamoste, kalîteya verastker û dilsoziya jîngehê li hev bikin, digirin.

Xalên sereke:

Kartên şiyanê: Xeletiyan di kartan de paqij bikin da ku jenerator qet nasnameyên orîjînal nebînin.

Kontrolkirina verastker: Kontrolên rewşa dawîn a SQL-ê yên ku encamên xelet ên guhertî red dikin tercîh bikin.

Asta Zehmetiyê: Tenê peywirên ku hedef kêm caran çareser dike û mamoste bi gelemperî wan çareser dike perwerde dike.

Nirxandina mirovî: Berî ji nû ve perwerdekirinê, nirxandina mirovî li ser polîtîkayên metirsiyên bilind û çalakiyên nevegerbar bidomînin.

Sînorê Guhestinê: Piştî SFT, qonaxa Armancê ji nû ve binirxîne û ber bi valahiyên mayî ve biguhezîne.

Ajanên AI yên pargîdaniyê kêm caran ji ber kêmbûna zanîna wan a giştî têk diçin. Ew têk diçin ji ber ku jîngeh taybetî ye: polîtîkayên bilêtan, taybetmendiyên şêmayê, peymanên amûran, databasên tovkirî, gotarên zanînê, û herikên xebatê yên pergalê yên ku dişibin demoyên pirtûkên dersê. Modelek ku li ser pîvanên vekirî baş xal digire hîn jî dikare bisekine dema ku gava din divê rêz li pencereyek guherînê, têkiliyek CMDB, an verastkerek bigire ku rewşa dawîn kontrol dike li şûna sohbeta herikbar.

ServiceNow CoreAI / ServiceNow-AI AutoSynthData weşand da ku rasterast li ser wê valatiyê bisekine. Nivîskarê bi navê Esakkivel Esakkiraja boriyekê vedibêje ku têkçûnên ajanek hedef - digel serkeftinên mamosteyek bihêztir - vediguherîne karên perwerdehiya sentetîk ên pejirandî yên ku li gorî jîngehên pargîdaniyê hatine çêkirin. Mebest ne berhevkirina bêtir tomarên sohbetê ye. Ew e ku karê dijwar û verastkirî pir zêde bike ku heman şiyanê di bin şert û mercên nû de bikar tîne da ku mîhengkirina baş a çavdêrîkirî dikare kêmasiyên taybetî yên jîngehê bigire.

Ev gotar ramana bingehîn, abstraksiyona peywirê, çerxa çêkirin û kontrolkirina kalîteyê, mîmariya hevpar, û encamên ku ji hêla nivîskaran ve li ser EnterpriseOps Gym di mîhengên Hybrid û ITSM de hatine ragihandin, dişopîne. Ew bi tiştê ku lêkolîn diyar dike re dimîne: bernameyek guherbar a peywirên sentetîk, ne îdiayek ku her karsaziyek ji nişkê ve çareser dibe.

Çima jêhatîbûna jîngehê ji şiyana berfirehtir çêtir e

Pargîdanî hewceyê ajanên ku di hawîrdora wan de - sîstem, rêgez û rewşa daneyên wan de - dixebitin in. Kapasîteya berfireh ne heman tişt e ku jêhatîbûna hawîrdorê ye. Ajanek dikare bizanibe ka rêveberiya karûbarê IT-ê bi gelemperî çawa dixebite û dîsa jî polîtîkaya herêmî ya ku hin veguheztinan qedexe dike, an amûra ku tabloyek têkildar tenê piştî hebûna tomarek pêşdibistanê nûve dike, ji bîr bike.

Têkçûnên takekesî agahîdar in lê wekî daneyên perwerdeyê kêm in. Rêgehek şikestî qelsiyek nîşan dide; ew bi dehan rewşên nêzîk peyda nake ku dê modelê fêr bikin ku di bin guherînê de xwe vegerîne. Tîm hewceyê gelek karên nû ne ku heman şiyanê bi awayên cûda bikar bînin, di nav jîngehê de temamker bimînin, wekî ku bikarhêner dixwaze realîst hîs bikin, û li hember kontrolên encamê verastkirî bimînin.

Ev zexta sêwirandinê ya li pişt AutoSynthData ye. Têkçûn dibin sînyalên kartên şiyanê. Kart dibin jeneratorên karên nû. Mamosteyek bihêztir rêyên serketî nîşan dide. Fîlter û verastker biryar didin ka çi dikeve nav koma mîhengkirina baş a çavdêrîkirî. Piştî perwerdeyê, nirxandin sînor ber bi valahiyên mayî ve diguhezîne. Çerx li şûna ku daneyên yek-qonaxî bi şiklê bernameya xwendinê ye.

Çarçovekirin ji bo pratîsyenan girîng e. Ger hûn tenê pêşniyarên têkçûyî hilînin, hûn xetera zêdekirina wan pêkhate û hevokên rastîn dixin. Ger hûn tenê pirsên sentetîk ên bê sînor çêbikin, hûn xetera peywirên ku ne gengaz, ne realîst, an jî nayên verastkirin dikişînin. AutoSynthData di navbera van tundrewiyan de ye: tiştê ku têk çûye di nav diyariyek şiyanê de paqij bikin, dûv re peywirên ku bingeha hişk diparêzin ji nû ve çêbikin dema ku forma rûberê û pîvanên kontrolkirî diguhezînin.

Şêweyê peywirê ya pratîkî: sîstem, pêşniyar, verastker

Abstraksiyonek karbar ji bo xebata ajantî ev e: peywir wekhevî taybetmendiya pergalê, fermana bikarhêner, û verastker e. Her perçeyek sînorkirinên ku daneyên sentetîk bingehîn û pêbawer dihêle hildigire.

Danasîna sîstemê sînorkirin, polîtîka û rewşa destpêkê vedihewîne - mînak tovên databasa û gotarên zanînê. Divê ew bi amûr û rewşa berdest re hevaheng bimîne. Sînorkirinên dijwar ên keyfî yên ku peymanên amûran an realîzma tovê paşguh dikin, meyla wan heye ku peywirên qels biafirînin ku dersa xelet fêr dikin.

Kalîteya fermana bikarhêner sê perspektîf hene. Gengazbûn dipirse ka rêgehek derbasdar heye an na. Realîzm dipirse ka bikarhêner dê bi awayekî maqûl vê daxwaz bike an na. Zehmetî dipirse ka kar qelsiyek ajanek heyî eşkere dike, ne tiştek ku hedef jixwe bi pêbawerî çareser dike. Ferzek ku ji bo hedefê bêwate ye budceya perwerdeyê winda dike; fermanek ku ne gengaz e baweriya nirxandinê winda dike.

Kalîteya verastker bi hevgirtin, rastbûn û temambûnê ve girêdayî ye. Rêyên pir sist û qels derbas dibin. Pir sînordar ji bo rêyek yekane û çareseriyên alternatîf ên derbasdar têk diçin. Mîhengên pargîdaniyê pir caran kontrolên encamê yên li ser bingeha SQL an jî li ser bingeha dewletê tercîh dikin ji ber ku ew cîhanê piştî kiryarên ajan dinirxînin, ne rêya rastîn a nîşanekan ku ajan girtiye.

AutoSynthData xwe dispêre vê sêgoşeyê, ji ber vê yekê karê çêkirî li ser bingehê dimîne. Jenerator quizên azad-guhêrbar îcad nakin. Ew peywirên ku dikarin di adaptera jîngehê de werin bicîhanîn û ji hêla verastkerên ku li taybetmendiyên rewşa dawîn ên pêwîst eleqedar dibin ve werin nirxandin, çêdikin.

Ji nirxandina teşhîsê bigire heya kartên taybetmendiyên kapasîteyê

Ev rêje bi nirxandina teşhîsê ya ajana hedef û mamosteyek bihêztir di hundirê jîngehê de dest pê dike. Xebitandinên li kêleka hev eşkere dikin ku hedef li ku têk diçe û mamoste li ku serdikeve. Ew rewşên berevajî ji bo sêwirana mufredatê madeya xav in.

Piştre, distilasyon di nav kartên taybetmendiyên kapasîteyê yên paqijkirî. Kartek kapasîteya di bin ceribandinê de, amûrên têkildar an şeklê karê, cihê ku armanc têk diçe û mamoste serdikeve, taybetmendiyên rewşa dawîn a pêwîst, û pîvanên ku dema karên nû têne dahênan dikarin biguherin tomar dike. Ya girîng, jenerator fermanên orîjînal, hebûn, rêgehên rê, an hûrguliyên verastker wernagire - tenê kartan.

Ew paqijkirin tevgereke bi zanebûn a dijî-zêdekirinê ye. Ger jenerator hejmarên bilêtên têkçûnê, nasnameyên gotarên zanînê, an şopa mamosteyan bibîne, ew ê hewl bide ku heman beşê ji nû ve bilêv bike. Kart abstraksiyonê ferz dikin: şiyanê di bin guherîna kontrolkirî de fêr bikin, ne di mînaka jiberkirî de.

Piştî ku kart hene, pergal ji wan peywirên nû çêdike. Piştre mamoste rêyên serketî ji bo sererastkirina baş a çavdêrîkirî nîşan dide. Ew xwepêşandan şîretên azad nînin; ew serkeftinên li ser bingeha jîngehê ne ku ji heman celeb verastkirinê derbas dibin ku bernameya xwendinê girîngiyê dide wan.

Pîvana avahiya du qonaxan e. Qonaxa hedef li ser nimûneyên bingehîn ên ku li dora valahiyan hatine kontrolkirin disekine - peywirên sînyala herî bilind nêzîkî cihê ku ajanta qels dişkê. Qonaxa pirjimariyê guhertoyên nû yên armancên pejirandî diafirîne. Nimûneyên pirjimar nikarin dorhêlên pirjimariyê yên din biçînin, ku ev yek guherînê sînordar dike. Ev qaîde piçûk e lê girîng e: guherîna dubare ya bêsînor dikare ji şiyana ku kartê navê wê lê kiriye dûr bikeve.

Kontrolkera hevpar, adaptora jîngehê, û sînorê guherbar

Ji aliyê mîmariyê ve, AutoSynthData kontrolkerek hevpar û adapterek jîngehê. Kontrolker teşhîs, kartkirin, çêkirin, pêşandanên mamosteyan, dergehên kalîteyê û nirxandina komê rêk dixe. Adapter van gavan bi sandboxek pargîdaniyek konkret ve girêdide - amûr, rewş, polîtîka û verastker - da ku heman çerxa kontrolê dikare bêyî ku mantiqa mûfredatê ji sifirê ji nû ve binivîse, li deverên cûda armanc bike.

Piştî sererastkirina baş a çavdêrîkirî, rêça xebatê ji nû ve tê nirxandin. Dû re mûfredat ber bi valahiyên mayî ve diçe: sînorek guherbar li şûna komek daneyan a statîk. Ceribandinên ku di xebatê de hatine vegotin li ser sererastkirina baş a çavdêrîkirî disekinin. Heman xelek dikare paşê piştgirîya fêrbûna xurtkirinê bike; ew rêwerz wekî plankirî tê destnîşan kirin, ne wekî temamkirî tê îdîa kirin.

Ji bo tîmên pargîdaniyan, dersa mîmarî modular e. Kontrolker divê şemayek bilêtê bi kodek hişk nekin. Adaptator divê têra xwe rastbûna rewş û amûran nîşan bidin da ku verastker bikarin watedar bin. Divê bernameya xwendinê encamên nirxandinê wekî têketina din bibîne, ne wekî tabloyek puanan a yek-carî.

EnterpriseOps Gym jîngeha ku ev rêbaz lê hatiye nîşandan e. Ew kursiyek ajanên pargîdaniyê ya pîvanek mezin e ku bi qasî 1,150 peywirên ji hêla pisporan ve li seranserê 8 domanan, bi qasî 512 amûr, bi qasî 164 tabloyên databasa, darvekirina konteynerkirî, verastkirina encama li ser bingeha SQL, operasyonên bi polîtîkayê ve girêdayî, senaryoyên hîbrîd ên nav-domainê, ceribandina ne gengazbûn û redkirinê, û rêyên dewletî yên dirêj-horizon. AutoSynthData wekî dahênerê wê werzîşê nayê pêşkêş kirin; werzîş nivîna ceribandina stresê ye ji bo çerxa sentezê.

QC-ya asta nimûneyê ku peywirên sentetîk pêbawer dihêle

Çêkirina bê dergeh rêça xelet a daneyên ajanên sentetîk e. AutoSynthData kontrola kalîteyê ya asta nimûneyê bi çend kontrolên temamker vedibêje.

Fîltereke dijwarîya çareserker komê ber bi peywirên ku ji bo hedefê dijwar û ji bo mamoste çareserker in ve dibe. Mîhenga ku hatiye vegotin peywirên ku hedef herî zêde di yek ji sê ceribandinan de çareser dike tercîh dike, di heman demê de mamoste herî kêm di du ji sêyan de bi ser dikeve. Ew bend ew e ku demoyên çavdêrîkirî dikarin tiştekî ku modela qels jixwe xwediyê wê nîne fêr bikin.

Verastkirina erênî hewce dike ku rêgehek referansê ji verastker derbas bibe. Verastkirina neyînî hewce dike ku encamên xelet ên guhertî bi ser nekevin. Bi hev re ew herdu aliyên pejirandin û redkirinê yên kontrolkerê diceribînin. Ger tenê erênî werin kontrol kirin, verastkerek destûrdar dikare zibil qebûl bike. Ger tenê neyînî werin kontrol kirin, verastkerek zêde teng dikare xebata derbasdar red bike.

Çerxek rexnekirin û sererastkirinê, bi sînorek ji nû ve ceribandinê, hewl dide ku karên ku dergehên wan têk diçin sererast bike, li şûna ku her xeletiyek ku hema hema di cih de çêbûye bavêje. Sînorên ji nû ve ceribandinê girîng in: sererastkirina bêdawî dikare sînorkirinên ku her ku diçe sûnîtir dibin îcad bike, tenê ji bo ku di navnîşek kontrolê de derbas bibe.

Meta-nirxandina asta komî dûv re li seranserê setê ji bo berfirehî, cihêrengî, dubarebûn û armancên têkçûyî dinêre. Deriyên nimûneyê hêmanên takekesî saxlem dihêlin; nirxandina komî rê li ber kombûna li ser yek moda têkçûna teng an jî klona hema hema dubarekirî digire.

Ev kontrol rave dikin çima boriyê dikare bi saetan bi hezaran nimûneyan hilberîne bêyî ku qebareyê wekî cîgirê guncanbûnê bibîne. Leza li gorî domain û mezinahiya mamosteyan diguhere, lê çîroka QC-ê lihevhatî ye: benda dijwarîyê, verastkirina erênî û neyînî, tamîrkirin bi sînoran, dûv re meta-nirxandin.

Têkçûnên xav li hember kartên li hember setên SFT yên pejirandî

Berawirdkirina her berhemeke ji bo çi baş e dibe alîkar. Tomarên têkçûna xav teşhîs in. Kartên şiyanê peymanên hilberîner in. Setên mîhengkirina baş a çavdêrîkirî yên pejirandî ew in ku hûn di pratîkê de li ser perwerde dibin.

Di wêneyên Hybrid û ITSM de li ser EnterpriseOps Gym, xebitandinên ku ji hêla nivîskaran ve hatine ragihandin Gemma-4-26B-A4B-it wekî hedef bikar anîn. Hybrid wê hedefê bi Qwen3.8-27B wekî mamoste ve girêda û di nav nêzîkî 18 demjimêran de nêzîkî 2,000 nimûneyên hîbrîd, bi xala kontrolê ya çêtirîn li epoch 5. Navîniya Pass@1 bi 7.2 xalên sedî zêde bû - bi qasî 35 ji sedî nisbî - û serkeftina verastker ji 63.01 ji sedî ber bi 68.55 ji sedî ve çû, bi qasî 59 ji sedî valahiya Pass@1 bi modela referansê re girt.

ITSM heman armanc bi DeepSeek-V4.1-Flash re wekî mamoste hevber kir û di nav nêzîkî 66 demjimêran de nêzîkî 1,994 nimûne, ku beşek ji wan ji ber mamosteyek mezintir û ji ber ku hin çêtirkirinên rêziknameyê hîn nehatibûn danîn, dirêjtir bûn. Navîniya Pass@1 ji sedî 18.77 ber bi sedî 27.18 ve çû.

Van hejmaran wekî encamên lêkolîna pargîdaniyê li ser vê salona werzîşê ji bo domainên ku hatine ceribandin bixwînin - ne wekî dubarekirinek serbixwe ya partiya sêyemîn, û ne wekî garantiyek pargîdaniyek gerdûnî. Qezenc li cihê ku hêza mamosteyan, kalîteya verastker û dilsoziya jîngehê li hev dikin zindî ne.

Divê pratîsyen ji xelekê çi kopî bikin

Tewra ku stûna we ne xeta lêkolînê ya ServiceNow be jî, şablon vediguheze. Bi nirxandina cotkirî ya armancek mîna hilberînê û mamosteyek bihêztir di sandboxek dilsoz de dest pê bikin. Têkçûnên berevajî veguherînin kartên şiyanê ku nasname û rêgehan ji holê radikin. Karên ku pîvanên destûr diguhezînin çêbikin dema ku taybetmendiyên rewşa dawîn ên pêwîst diparêzin. Bila mamoste serkeftinan nîşan bide. Deriyê bi bendên dijwarî, verastkirina erênî û neyînî, tamîrkirina sînorkirî, û nirxandina cihêrengiya komê veke. Sînorê baş bike, ji nû ve binirxîne, û biguhezîne.

Bala xwe bidin sêwirana verastker. Kontrolên encamên SQL-ê yên bi şêwaza Gym-a EnterpriseOps û operasyonên ku ji hêla polîtîkayê ve têne rêvebirin nîşan didin ku çima rubrîkên sohbetê bi tena serê xwe ji bo xebata statefull qels in. Ger verastkerê we nikaribe encamên xelet ên mutasyonkirî ji encamên rast cuda bike, pîvana sentetîk dê deng zêde bike.

Her wiha rêz li giyanê qaîdeya pirjimariyê bigirin: divê guhertoyên hedefên pejirandî bêyî ku vegerin navokên pejirandî, bêdawî guhertoyên din neçînin. Belavbûn bêdeng e. Bernameyek ku hêdî hêdî sînorkirinên bêtir eksotîk diafirîne, dibe ku hîn jî ji fîlterên kêm kûr derbas bibe dema ku şiyana orîjînal kêm perwerdekirî bihêle.

Di dawiyê de, xebata hîbrîd a di navbera domainan de wekî rewşek stresê ya pola yekem bihesibînin. Bikarhênerên rojane di nav yek sîloya amûran de namînin. Karên hîbrîd, rêyên dirêj-asta, û ceribandina redkirin an ne gengazbûnê ew cih in ku jêhatîbûna jîngehê xuya dike - an jî bi dengekî bilind têk diçe.

Hişyarî, sînorkirin, û xwendinek baldar a destkeftiyan

Encamên ku ji hêla nivîskar ve li ser EnterpriseOps Gym hatine ragihandin nîşanên agahdar in, ne garantiyek giştî ne. Destkeftiyên Hybrid û ITSM-ê yên weşandî ji bo wan domain û cotên modelê di bin sazkirina ravekirî de derbas dibin. Domainên din, mamosteyên qelstir, verastkerên dengdartir, an jîngeha sadetir dikarin sûdê kêm bikin an jê bibin.

Kalîte bi sê stûnan ve girêdayî ye ku tu şiroveyên kirrûbirrê nikarin ji bîr bikin. Hêza mamosteyan sînorê xwepêşandanan destnîşan dike. Kalîteya verastker baweriya bi etîket û fîlteran destnîşan dike. Dilsoziya jîngehê destnîşan dike ka gelo tevgerên fêrbûyî ji têkiliya bi pergalên hilberînê, rêgez û rewşa daneyan re sax dimînin an na.

Ceribandinên AutoSynthData girîngiyê didin mîhengkirina baş a çavdêrîkirî. Fêrbûna bi xurtkirinê wekî karanîna muhtemel a paşê ya heman çerxê tê destnîşan kirin, ku di xebata ragihandî de hatiye plankirin ne ku hatiye radest kirin. Xwendevan divê motorek daneyê ya amade ji bo bernameya xwendinê bi îdiayek perwerdehiya RL ya qedandî re tevlihev nekin.

Divê xwendevan xeta sentezê bi kursiya bixwe re tevlihev nekin. EnterpriseOps Gym peywir, amûr, tablo, konteynerkirin û tevna verastkirinê ya hilbijartî peyda dike. AutoSynthData wî celebî jîngehê bikar tîne da ku têkçûnan veguherîne zêrê perwerdeyê. Her du parçeyan bi rastî jî bidin nasîn: salona werzîşê ajanên dixe bin stresê; xeta boriyê peywirên hînkirinê ji valahiyên teşhîskirî zêde dike.

Herwiha di hundirê sandboxê de ji bo dema hesabkirin û salnameyê firavîna belaş tune. Senteza hîbrîd bi qasî du hezar nimûneyan di nav çend saetan de qediya; ITSM bi mamosteyek girantir û şiklê boriyê yê zûtir dirêjtir kişand. Tîm divê piştî her gavek mûfredatê ji bo texmîna mamosteyan, ceribandinên dubare di rexne an sererastkirinê de, û ji nû ve nirxandinê budçeyê çêbikin.

Ramanîna dersînorkirî ji bo tîmên ajanên pargîdaniyê

Fikra herî kûr di AutoSynthData de ji afirîneriyê bêtir li ser bingeha dersan e. Têkçûn teşhîs dikin. Kurteya kartan. Hilberandin zêde dibe. QC piştrast dike. SFT hedefê nûve dike. Ji nû ve nirxandin sînor diguhezîne. Ew rêze başkirina ajan wekî rêze dersên li ser bingeha jîngehê dibîne, li şûna yek depoyek şopên negirêdayî.

Ramanîna li ser bernameya xwendinê diguherîne ka rêber çawa hewildanê dabeş dikin. Li şûna ku hûn tenê ji bo bêtir bilêtan an bêtir şîroveyên mirovan bipirsin, bipirsin ka kîjan şiyan hîn jî di bin guherînê de têk diçin, gelo ew şiyan xwedî taybetmendiyên rewşa dawîn a paqij in, û gelo mamosteyek bihêztir dikare wan bi pêbawerî nîşan bide. Ger mamoste pir caran nikaribe biserkeve, SFT-ya sentetîk dê tevgerên ne pêbawer fêr bike. Ger taybetmendiyên rewşa dawîn nezelal bin, verastker dê bi stratejiyên derbasdar re nîqaş bikin.

Ew her wiha awayê axaftina we ya li ser serkeftinê diguherîne. Girtina beşek ji valahiyek Pass@1 bo modelek referansê li ser Hybrid, an jî bilindkirina ITSM Pass@1 ji dehên bilind ber bi bîstan bilind di ceribandinên ku nivîskar rapor kirine de, pêşketinek li ser jêhatîbûna jîngehê ya pîvandî ye. Ev ne delîl e ku her herikîna xebatê, her polîtîka, an her doza redkirinê çareser dibe. Zimanê sînorî yê tevgerbar bihêlin: valahiyên mayî dibin qonaxa Armancê ya din, ne şemitokek paşîn.

Ji bo sêwirana bernameyê, vê çerxê bi nirxandina mirovî re hevber bikin li cihê ku xetereyên wê zêde ne - polîtîkayên ewlehiyê, çalakiyên bêveger, daneyên birêkûpêk - di heman demê de bihêlin ku deriyên otomatîk li ser kontrolên rewşa baş-diyarkirî hejmar hilgirin. Daneyên sentetîk çêtirîn dixebitin dema ku jîngeh dikare bi zelaliyek mîna SQL erê an na bibêje. Dema ku serkeftin tama subjektîf be, ew têdikoşe.

Nîşeyên sêwiranê li ser zehmetî, realîzm û redkirinê

Armanckirina dijwarîyê heq dike ku careke din were nihêrîn. Tercîhkirina peywirên ku hedef herî zêde sêyeka demê çareser dike, perwerdehiyê ji tiştên kurt dûr dixe. Daxwazkirina ku mamoste herî kêm du ji sêyan demê biserkeve, demoyan ji avêtina pereyan dûr dixe. Ev bend lihevkirinek pratîkî ye di navbera dijwarî û fêrbûnê de.

Realîzm pîvanek nermtir dimîne lê dîsa jî girîng e. Bikarhênerên pargîdaniyan tiştên ku li gorî rol û pergalên wan in dixwazin. Jeneratorên ku tenê bi hişkbûnê têne rêve kirin dikarin puzzlesên pir-sînordar ên tevlihev biafirînin ku tu operator naxwaze. Kartên şiyanê yên ku pîvanên guhêrbar navnîş dikin dibin alîkar, lê mirov an meta-nirxandin hîn jî hewce ne ku pêşniyarên surreal bigirin.

Ceribandina redkirin û negengazbûnê, ku di sêwirana berfirehtir a EnterpriseOps Gym de hene, tîman bi bîr tîne ku jêhatîbûn gotina na jî dihewîne. Xeta ku tenê ji bo karên ku dikarin werin temamkirin hatiye çêtirkirin dikare redkirinê kêm perwerde bike. Dema ku hûn lûpên bi şêwaza AutoSynthData dirêj dikin, kartên ku taybetmendiya dawîn a rast daketinek ewledar di bin siyasetê de ye, ne tenê mutasyonek serketî ya rewşa databaseyê, tê de bikin.

Rêgezên statîf ên horizontî yên dirêj-dem noteke din a sêwiranê derdixin holê. Divê demoyên mamosteyan di gelek bangên amûran de hevgirtî bimînin. Verastkerên ku tenê rêza dawîn a tabloyê kontrol dikin dibe ku navberdanên siyaseta navîn ji dest bidin. Temamî di sêwirana verastker de tê wateya ku taybetmendiyên ku bi rastî serkeftinê ji bo wê şiyanê diyar dikin vedihewîne - tevî sînorkirinên ku divê di seranserê de rast bimînin, ne tenê di dawiyê de.

Kurteya dawî

AutoSynthData, ji ServiceNow CoreAI / ServiceNow-AI û di gotara giştî de ji hêla Esakkivel Esakkiraja ve hatiye nivîsandin, boriyek e ku têkçûnên ajana hedef û serkeftinên mamosteyan vediguherîne erkên perwerdehiya sentetîk ên pejirandî ji bo jîngehên pargîdaniyan. Ew têkçûnan vediguherîne kartên taybetmendiyên kapasîteyê yên paqijkirî, bêyî ku ferman an rêyên orîjînal derxe holê erkên nû çêdike, xwepêşandanên mamosteyan berhev dike, û berî mîhengkirina baş a çavdêrîkirî kontrola kalîteyê ya asta nimûne û asta komê ferz dike.

Modela derûnî ya pratîkî wekî taybetmendiya pergalê, pêşniyara bikarhêner û verastker e - bi gengazbûn, realîzm û dijwarî di bin zextê de, û bi verastkerên ku ne pir sist in û ne jî bi yek rêyê ve girêdayî ne. Qonaxên Armanckirin û Zêdekirinê, qaîdeyek bê tov ji bo nimûneyên pirjimar, kontrolkerek hevpar û adaptora jîngehê, û nirxandina ji nû ve piştî-SFT sînorek guhezbar li ser valahiyên mayî diafirînin.

Li ser EnterpriseOps Gym, encamên Hybrid ên ji hêla nivîskar ve hatine ragihandin bi Gemma-4-26B-A4B-it û Qwen3.8-27B di nêzîkî hejdeh saetan de bi qasî du hezar nimûneyan nîşan didin û serkeftina Pass@1 û verastkerê girîng zêde dibe, ku beşek mezin ji valahiyê ji bo modelek referansê digire. ITSM bi DeepSeek-V4.1-Flash wekî mamoste nîşan dide ku Pass@1 ji sedî 18.77 ber bi sedî 27.18 li ser nêzîkî 1,994 nimûneyan di demek dirêjtir de zêde dibe. Van hejmaran wekî sînyalên lêkolînkirî li ser warên taybetî, ku bi dilsoziya mamoste, verastker û jîngehê ve girêdayî ne, bihesibînin - û fêrbûna xurtkirinê wekî dirêjkirinek plansazkirî ya çerxê bihêlin, ne îdîayek qedandî.

Heke hûn hevokekê bi bîr bînin: ajanên pargîdaniyê dema ku têkçûn dibin dersên kurtkirî, pirjimar, piştrastkirî di nav pergalên ku divê ew rojane bixebitin de - ne dema ku tîm tenê heman bilêta şikestî dubare dikin, baştir dibin.

Nimûneyek pratîkî: Berfirehkirina dozên ITSM-ê yên dijwar ji komek têkçûna şêwaza werzîşê ya cemidî

Senaryo

Tîmeke platforma pargîdaniyê ya Keyaniya Yekbûyî - bifikirin ku komeke operasyonên karûbarên darayî ya navîn e ku ITSM-ya bi şêwaza ServiceNow-ê bi pencereyên guherînê, têkiliyên CMDB, û veguherînên polîtîkayê-dergehkirî dimeşîne - xwedî ajanek mîna hilberînê ye ku her tim li ser heman pola kar dikeve: nûvekirinên xaçerêyî-maseyê ku divê rêz li pêşşertek pejirandinê bigirin, lêgerînên gotarên zanînê yên ku bi cemidandina guhertina herêmî re nakok in, û pirsên hîbrîd ku ITSM-ê di nav amûrên operasyonên cîran de vedihewîne.

Ew komek taybet a bi şêwaza EnterpriseOps Gym (qutiya konteynerkirî, kontrolên encamên SQL, tabloyên tovkirî, qaîdeyên polîtîkayê) cemidînin, da ku puan hefte bi hefte berawirdî bin. Xebitandinên teşhîsê nîşan didin ku ajansa hedef li cihê ku mamosteyek bihêztir bi ser dikeve têk diçe. Serokatî bêtir sînyala perwerdehiyê dixwaze bêyî ku heman hejmarên bilêtan û nasnameyên saziyan ji nû ve bilîze. AutoSynthData (an jî xeleka wekhev a synth-ji-têkçûnan heke lûleya lêkolînê di stacka wan de girtî be) namzed e: têkçûnên berevajî veguherînin kartên taybetmendiyên kapasîteyê yên paqijkirî, peywirên nû çêbikin, demoyên mamosteyan berhev bikin, dûv re - bi rexneyî - şopên sentetîk ên bi çavdêriya mirovan berî her ji nû ve perwerdekirinê.

Tiştek bi tena serê xwe li ser Gym Pass@1 nayê şandin. Daneyên synth wekî bernameya berendam têne hesibandin, ne wekî rastiya belaş.

Tiştê ku alîkar hewce dike

• Gihîştina adaptera jîngeha şêweya Gym a cemidî: amûr, rewşa tov, polîtîka, û verastkerên SQL (an jî rewşa wekhev a li ser bingeha wê).
• Têketinên nirxandinê yên cotkirî: têkçûnên hedefan bi serkeftinên mamosteyan di heman karan de berawird kirin.
• Şêweya kartê ku şiyan, amûr/şeklê herikîna kar, berevajîya têkçûn/serkeftinê, taybetmendiyên rewşa dawîn ên pêwîst, û pîvanên guherîna destûrkirî tomar dike - bêyî fermanên orîjînal, hebûn, rêgehên, an navxweyî yên verastker.
• Berî ku tiştek ji sandboxê derkeve an jî bikeve fermanek jeneratorê, rêzikên PII û polîtîkayê (nasnameyên bilêtan, navên bikarhêner, navên CI, qadên birêkûpêk) kontrol bike.
• Rêzeke nirxandina mirovî ji bo karên sentetîk ên nimûnekirî û şopên mamosteyan (gengazbûn, realîzm, rastbûna verastker, rewşên redkirin/negengazbûnê).
• Mercên rawestandina zelal: Qonaxên hedefgirtin û dûv re pirkirin; nimûneyên pirjimar dorhêlên pirjimar ên din naçînin.

Nimûneya rênimayan

Rêberiya platformê bo operatorê mufredatê (an jî bo alîkarekî orkestrasyonê ku tenê kartan dinivîse û pakêtan dinirxîne - ew modelan ji nû ve perwerde nake an jî pêşve naxe):

"Li ser perçeyên ITSM û Hybrid ên cemidî li hember hedefa me ya heyî û mamosteyê destnîşankirî, Pass@1-a teşhîsê bimeşînin. Ji bo her berevajîyek ku hedef têk diçe û mamoste herî kêm du ji sê ceribandinan bi ser dikeve, kartek taybetmendiya kapasîteyê ya paqijkirî amade bikin: navê kapasîteyê bidin, amûrên têkildar navnîş bikin, taybetmendiyên rewşa dawîn ên pêwîst diyar bikin, û pîvanên kontrolkirî navnîş bikin (benda pêşanîyê, çîna CI ya têkildar, ala pencereya guheztinê, celebê nakokiya zanînê). Hejmarên bilêtan, nasnameyên bikarhêner, navên CI, û rêyên xav derxînin. Komek peywirên nû yên qonaxa Armancê tenê ji wan kartan çêbikin. Bila mamoste serkeftinan nîşan bide. Benda dijwarîyê (armanc ≤1/3, mamoste ≥2/3), verastkirina erênî û neyînî, û rexne/tamîrkirina sînorkirî bicîh bînin. Pakêtek nirxandinê ya ji 5% nimûneyên stratifîzekirî û her karta redkirin/ne gengaz çêbikin. SFT-ê dest pê nekin heya ku du nirxander li ser pakêtê îmze nekin û kontrolên paqijkirina PII derbas bibin. Piştî SFT-ê li ser xalek kontrolê ya namzed, li ser komek cemidî û li ser komek hevahengiya rast a rawestandî ku me qet ji bo çêkirinê bikar neaniye ji nû ve binirxînin. Vegirtinê li gorî çîna têkçûnê û rêjeya regresyonê li hember rapor bikin." kontrolkirina hilberîna berê. Li ser xala werzîşê bi tena serê xwe pêşve nexin.”

Çawa wê biceribînin

1. Kilîda xeta bingehîn: Rêjeyên serkeftina Pass@1 û verastker li ser koma cemidî li gorî çîna têkçûnê tomar bike (siparîşa pêşşert, redkirina pencereya guhertinê, amûra hîbrîd a xaçerêyî, nakokiya zanînê). Koma û tovan ji bo çerxê neguherbar bihêle.
2. Denetima Kartê: Kontrol bike ka jenerator tu carî ferman, hebûn, an şopên mamosteyên orîjînal wernagirin - tenê kart.
3. Nimûneya QC: Piştrast bike ku rêyên erênî ji verastkeran derbas dibin û encamên xelet ên mutasyonkirî bi ser nakevin. Erkên ku ji bo hedefê ne hêsan in red bike an jî ji bo mamoste pereyê xwe biavêje.
4. Nirxandina mirovî: Nirxandinvan her nimûneyekê wekî parastin / sererastkirin / avêtin li ser gengazbûn, realîzm û ewlehiya polîtîkayê nîşan dikin. Lihevkirina navbera nirxanderan li ser komek hevpar bişopînin.
5. Rawestandina hevberdana rast: Piştî SFT-ya namzed, rawestandina peywirên rastîn (an jî yên berê cemidî) yên ku qet neketine nav kartkirin an çêkirinê puan bikin. Ji bo tespîtkirina jiberkirina kêm kûr, nêzîk-parafrazên peywirên perwerdeyê bi awayekî cuda puan bikin.
6. Deriyê paşveçûnê: Her çîna têkçûnê ku li gorî xala kontrolê ya hilberînê ya berê xirabtir dibe heya ku were ravekirin an çareserkirin, pêşvebirinê asteng dike.

Netîce

Li vir rêjeyên pijandinê îcad nekin. Planeke pîvandinê bikar bînin û dema ku hûn hejmarên lêkolînê yên weşandî wekî ÎDDÎAYA GOTARA wan nîşan bidin.

Plana pîvandinê (tiştê ku divê ev tîm rapor bike):

• Berfirehiya çîna têkçûnê: rêjeya çînên valahiyên teşhîskirî yên ku piştî QC ≥N peywirên qonaxa hedef ên pejirandî hilberandine (N ji pêş ve diyar bikin, mînak 20 peywirên pejirandî ji bo her çînê).
• Lihevhatina rast a rawestandinê: Derbasbûn@1 / serkeftina verastker li ser rawestandina destnedayî berî û piştî SFT-ya namzed (heman tov, heman verastker).
• Rêjeya paşveçûnê: hejmara çînên têkçûnê yên ku Pass@1 tê de li gorî xala kontrolê ya hilberînê ya berê dikeve; heke çînek krîtîk a ewlehiyê paşveçûnê bike asteng bike.
• Berhema nirxandinê: rêjeyên li ser pakêta nirxandina mirovî biparêzin / sererast bikin / bavêjin; heke rêjeya avêtinê zêde bibe, kart an verastkeran rawestînin. Pirkirin û sererast bikin.
• Têkçûnên scrub: hejmara nimûneyên ku berî îmzekirina nirxandinê di kontrolên PII/polîtîkayê de bi ser neketin (armanc: sifir di koma SFT de direve).

ÎDDÎAYA GOTARÊ (nivîskar li ser EnterpriseOps Gym rapor kiriye - ne encama pîvandî ya vê tîmê ye): Xebatên hîbrîd bi Gemma-4-26B-A4B-it wekî hedef û Qwen3.8-27B wekî mamoste di nêzîkî 18 demjimêran de nêzîkî 2,000 nimûne hilberandin, bi navîniya Pass@1 bi qasî 7.2 xalên ji sedî zêde bû û serkeftina verastker ji% 63.01 ber bi% 68.55 ve çû. ITSM bi DeepSeek-V4.1-Flash wekî mamoste navîniya Pass@1 ji% 18.77 ber bi% 27.18 ve li ser nêzîkî 1,994 nimûneyan di demek dirêjtir de (~66 demjimêran) guherand. Wan wekî sînyalên lêkolînkirî li ser domên û cotkirinên taybetî bihesibînin, ne garantiyek gerdûnî ji bo pileya hilberînê ya Keyaniya Yekbûyî.

Şêweya bernameyê ya mînakî (texmîn, ne destkeftiyên pîvandî): Ger tîm ji bo yek çerxeya ITSM-ê ~2,000 nimûneyên QC-dergehkirî qebûl bike, texmîna mamosteyan û nirxandinê li 5% nimûneya stratîfkirî budçe bike, û tenê dema ku ragirtin ji dersên krîtîk ên ewlehiyê paşve gav neavêje pêşve bibe, "encam" ku ew dikarin bi rûyekî rasterast îdîa bikin gihîştina pêvajoyê ye - mûfredata denetkirî, şopên paqijkirî, û deltayên koma cemidî yên berawirdî - ne zêdebûna rêjeyek sozdayî.

Çi dikare xelet biçe

• Dermankirina synthê wekî rastiya azad: Jiberkirina nirxandina mirovî an verastkirina neyînî dihêle ku verastkerên destûrdar zibilê bi pîvanek mezin qebûl bikin.
• Rizandina saziyê: Xwarina nasnameyên bilêtên orîjînal an şopên mamosteyan nav jeneratorê dibe sedema zêdekirina parafrazê; kart hene da ku pêşî li vê yekê bigirin.
• Pirzêdekirina Bêsînor: Destûrdayîna ku nimûneyên pirzêdekirî tûrên din çêbikin ji şiyana navkirî dûr dikeve.
• Şandina puanên werzîşê: Pêşvebirin ji ber ku Pass@1 ya frozen-suite zêde bû dema ku trafîka holdout an jî trafîka hilberîna siya xirabtir bû.
• Sînorê serkeftinê yê lawaz ê mamosteyan: Heke mamoste nikaribe benda serkeftinê ya ≥2/3 derbas bike, SFT demoyên ne pêbawer hîn dike.
• Verastkerên nezelal: Rubrîkên sohbetê li şûna kontrolên dewletê, encamên xelet ên herikbar wekî serkeftin dinirxînin.
• Redkirina kêmperwerdekirinê: Optimîzekirina tenê ji bo mutasyonên ku dikarin werin temamkirin pencereya guherînê û daketina polîtîkayê qels dihêle.
• Revîna PII: Rêwerzên sentetîk ku piştî lêgerînek kêm kûr, navên CI an bikarhêner ên rastîn ji nû ve didin nasîn.

Xwarineke pratîkî

Ji bo zêdekirina dozên ITSM-ê yên dijwar û verastkirî ji valahiyên teşhîskirî, lûpên bi şêwaza AutoSynthData bikar bînin - an jî heke lûleya ServiceNow CoreAI di kirêdariya we de tune be, qalibek hevsengker-ji-têkçûnan -. Berî SFT-ê, di kartên kapasîteyê de paqij bikin, bi zehmetî û verastkirina erênî/neyînî derî vekin, nimûneyên PII, û nirxandina mirovan paqij bikin. Veşartina pola têkçûnê bipîvin, hevahengiya rast ragirin, û rêjeya paşveçûnê. ÎDDÎAYA GOTARÊ Hejmarên werzîşê tenê wekî çarçoveya lêkolîna derveyî destnîşan bikin. Daneyên synth sotemeniya dersê ne, ne garantiyek: nimûneyan kontrol bikin, ji bo berawirdkirina adil suîtê cemidî bihêlin, û qet bi tena serê xwe li ser puana werzîşê neşînin.

Pirsên Pir tên Pirsîn

AutoSynthData çi ye û çi pirsgirêkê hedef digire?

AutoSynthData lûleyek ServiceNow CoreAI / ServiceNow-AI ye, ku ji hêla Esakkivel Esakkiraja ve hatî vegotin, ku têkçûnên ajanek hedef digel serketinên mamosteyek bihêztir di nav peywirên perwerdehiya sentetîk ên pejirandî de ji bo mîhengên pargîdaniyê vedihewîne. Ew li şûna zanîna giştî ya berfireh, li ser jêhatîbûna jîngehê - polîtîkayên herêmî, nexşe, amûr û dewlet - sifir dike. Mebest ew e ku karê dijwar û kontrolkirî pirjimar bibe da ku mîhengkirina baş a çavdêrîkirî bikaribe valahiyên taybetî yên jîngehê tamîr bike li şûna ku heman bilêta şikestî ji nû ve bilîze.

Çima jêhatîbûna jîngehê ji şiyana modela berfireh cuda ye?

Ajansên pargîdaniyê pir caran ji ber ku jîngeh bi xwe taybetî ye, têk diçin: polîtîkayên bilêtan, taybetmendiyên şêmayê, peymanên amûran, databasên tovkirî, û herikînên kar ên di navbera pergalê de. Modelek ku li ser pîvanên vekirî xurt xuya dike hîn jî dikare li ser pencereyek guherînê, têkiliyek CMDB, an verastkerek ku rewşa dawîn kontrol dike bisekine. Kapasîteya berfireh ne wekî zanîna ka pergal, rêgez û rewşa daneyên we di bin veguheztinên ku ji hêla polîtîkayê ve têne rêvebirin de çawa tevdigerin e.

Şêweya peywirê ya pratîkî ya ku AutoSynthData bikar tîne çi ye?

Şêweyek karbar erk wekhevî taybetmendiya sîstemê, pêşniyara bikarhêner, û verastker e. Taybetmendiya sîstemê sînorkirin, polîtîka, û rewşa destpêkê wekî tovên databasa û gotarên zanînê dihewîne. Pêşniyarên bikarhêner ji bo gengazbûn, realîzm, û dijwarîyê têne puankirin. Verîfker bi îdealî xwe dispêrin kontrolên encamê yên li ser bingeha SQL an jî li ser bingeha rewşê da ku ew cîhanê piştî ku ajan tevdigere binirxînin, ne tenê rêya rastîn a nîşanekan.

Kartên taybetmendiyên kapasîteyê yên dezenfektekirî çawa pêşî li zêdelihevkirinê digirin?

Teşhîs li cihê ku armanc têk diçe û mamoste serdikeve, berevajîkirinê dimeşîne, dûv re wan rewşan di nav kartên taybetmendiyên kapasîteyê yên paqijkirî de dicivîne. Kartek kapasîte, amûr an şeklê herikîna kar, berevajîkirina têkçûn/serketinê, taybetmendiyên rewşa dawîn a pêwîst, û pîvanên ku dikarin biguherin tomar dike. Jenerator qet fermanên orîjînal, hebûn, rêgehên, an hûrguliyên verastker nabîne - tenê kart - ji ber vê yekê erkên nû bêyî ku beşek ji bîrkirî parafraz bikin, li ser bingeha hişk zext dikin.

Qonaxên Target û Multiply di lûleyê de çi ne?

Qonaxa hedef li ser nimûneyên bingehîn ên ku li dora valahiyan hatine kontrolkirin - peywirên sînyala herî bilind nêzîkî cihê ku ajana qels dişkê - disekine. Qonaxa pirjimarkirinê guhertoyên nû yên armancên pejirandî dizivirîne. Nimûneyên pirjimar nikarin dorhêlên pirjimarkirinê yên din biçînin, ku ev yek ji kapasîteya navkirî ya di bin kontrolê de dûr dixe. Piştî mîhengkirina baş a çavdêrîkirî, ji nû ve nirxandina bernameyê ber bi valahiyan ve diguhezîne wekî sînorê guhezbar ne wekî depoyek statîk.

Kontrolkirina kalîteyê ya asta nimûneyê çawa peywirên sentetîk pêbawer dihêle?

Fîltereke dijwarîya çareserker peywirên ku hedef herî zêde di yek ji sê ceribandinan de çareser dike tercîh dike dema ku mamoste herî kêm di du ji sêyan de bi ser dikeve. Ji bo ku verastkirina erênî derbas bibe, pêdivî bi rêgehek referansê heye; ji bo ku verastkirina neyînî têk biçe, pêdivî bi encamên xelet ên guhertî heye. Çerxek rexne û sererastkirinê bi sînorek ji nû ve ceribandinê hewl dide ku kêmasiyên nêzîk-windakirî sererast bike, û meta-nirxandina asta komê berfirehî, cihêrengî, dubarebûn û armancên têkçûyî li seranserê komê kontrol dike.

AutoSynthData li seranserê domainên pargîdaniyê çi mîmariyê bikar tîne?

Ew kontrolkerek hevpar bi adapterek jîngehê ve girêdide. Kontrolker teşhîs, kartkirin, çêkirin, demoyên mamosteyan, dergehên kalîteyê û nirxandina komê dimeşîne. Adapter van gavan di nav qutiyek sandboxê ya betonî de girêdide - amûr, rewş, polîtîka û verastker - da ku heman çerxa kontrolê bikaribe ber bi qadên cûda ve nîşan bide bêyî ku mantiqa mûfredatê ji sifirê ve ji nû ve binivîse.

Di vê çarçoveya lêkolînê de EnterpriseOps Gym çi ye?

EnterpriseOps Gym kursiyek ajanên pargîdaniyê ya mezin e ku wekî nivîna testa stresê tê bikar anîn, bi qasî 1,150 peywirên ku ji hêla pisporan ve li ser 8 domainan têne hilbijartin, bi qasî 512 amûr, bi qasî 164 tabloyên databasa, darvekirina konteynerkirî, verastkirina encama li ser bingeha SQL, operasyonên ku ji hêla polîtîkayê ve têne rêvebirin, senaryoyên hîbrîd, û rêyên dewletî yên dirêj-horizon. AutoSynthData wekî dahênerê wê werzîşê nayê pêşkêş kirin; werzîş çerxa sentezê di çalakiyê de nîşan dide.

Ji bo mîhengên Hybrid û ITSM çi encamên ku ji hêla nivîskar ve hatine ragihandin xuya dibin?

Li ser EnterpriseOps Gym, Hybrid bi Gemma-4-26B-A4B-it wekî hedef û Qwen3.8-27B wekî mamoste dimeşe û di nav nêzîkî 18 demjimêran de nêzîkî 2,000 nimûne hilberandin, bi navînîya Pass@1 bi qasî 7.2 xalên ji sedî zêde bû û serkeftina verastker ji %63.01 ber bi %68.55 ve çû. ITSM bi DeepSeek-V4.1-Flash wekî mamoste navînîya Pass@1 ji %18.77 ber bi %27.18 ve li ser nêzîkî 1,994 nimûneyan di demek dirêjtir de guherand. Wan wekî sînyalên lêkolînkirî li ser cotên taybetî bihesibînin, ne wekî garantiyek hilberîna gerdûnî.

Dema ku lûpên synth-ji-têkçûnan bikar tînin, divê tîm ji kîjan xeletiyan dûr bisekinin?

Daneyên sentetîk wekî rastiya azad bihesibînin an jî nirxandina mirovî û verastkirina neyînî ji bîr nekin. Ji dayîna nasnameyên bilêtên orîjînal an şopên mamosteyan nav jeneratorê, nehiştina nimûneyên pirjimar ji bo tûrên din werin çandin, an jî dema ku trafîka astengker an jî ya siya xirabtir dibe, li ser Gym Pass@1 bi tena serê xwe reklamê nekin. Her weha mamosteyên qels ên di bin benda serkeftinê de, rubrîkên sohbeta nezelal li şûna kontrolên dewletê, dozên redkirina kêmperwerdehî, û revîna PII piştî lêgerînek kêm kûr temaşe bikin.

Referans

1. Rûyê Hembêzkirinê — AutoSynthData — huggingface.co
2. Werzîşxaneya EnterpriseOps — enterpriseops-gym.github.io
3. arXiv — arxiv.org
4. GitHub — EnterpriseOps-Sporxane — github.com