斯坦福课程拆解Agent所需训练数据

课程将Agent数据分为供SFT模仿的轨迹和供RL练习的可验证环境，并强调清洗。

推荐理由：课程把数据杠杆明确为“轨迹教行为、环境供练习”，并指出奖励作弊、题目记忆和harness绑定会污染能力；这比单纯扩大网页语料更贴近Agent训练瓶颈。