TOFFEE演示：大规模合成数据智能体轨迹的学习系统

LLM驱动的数据智能体在数据驱动决策中扮演日益重要的角色。但既有数据智能体难以泛化到未见数据环境与分析工作流——异构企业场景尤甚。这产生了合成高质量数据智能体轨迹的日益增长需求：此类轨迹支撑两个下游用途——作为把数据智能体模型适配到目标域的SFT数据，以及作为在陌生数据环境中引导通用LLM的ICL示范。我们介绍TOFFEE：经带自适应模型选择与跨任务前缀复用的蒙特卡洛树搜索（MCTS），从给定数据环境合成高质量数据智能体轨迹的系统。我们展示TOFFEE能有效为跨异构环境的复杂分析任务生成可扩展的轨迹数据。本演示呈现TOFFEE的系统框架——包括任务池构建、轨迹探索器与学习的成本模型；介绍其Web界面与工作流，并演示两个端到端场景：用于数据智能体微调的轨迹合成，与示范增强的数据智能体推理。