CompoWorld 用可组合环境扩容通用智能体训练任务空间
AllSpark-Research · hf · 2026-09-29
现有自动生成环境多在单一环境内生成任务,而真实工作流需要 Agent 跨多个服务连接信息与动作。CompoWorld 提出组合式环境扩展:用一个可复用服务库组合扩展任务空间。
做法上,编码 Agent 将工具规格转化为带类型状态与共享接口的已验证服务,无法可靠实现的工具由世界模型代理;随机游走程序通过依赖图连接服务,生成并验证需要信息跨服务流动的任务。已验证轨迹用于 SFT, Completion-Focused Rubric Reward 则在 RL 中强调 rollout 组内通过率较低的标准,引导模型完成全任务。
团队构建了 448 个服务、暴露 10,130 个工具,用 3K 条 SFT 轨迹和 1K 个 RL 任务训练 Qwen3.6-35B-A3B。模型在八个基准上平均较骨干提升 9.17 分,并在 AutomationBench 上超越 Claude Opus 4.6 等前沿模型,领先所有对比的 35B-A3B Agent 模型。
「编程与Agent」频道最新
- 社区维护的 AI 天使投资人名单上线：收录 51 位活跃天使、附来源与验证日期 — TheMoonMidas · 2026-09-29
- 400+ LLM Agent 住进 2004 年代 MMO 服务器,本地跑 Qwen 小模型 — kristiantalley679 · 2026-09-29
- px0 新版修复 LSP 内存泄漏与 ReDoS 漏洞,新增 CSV 表格渲染 — arpit_bhayani · 2026-09-29
- Reddit 网友分享完整 Prompt:让 Agent 长任务前先自建进度仪表盘 — myLifeintheStack · 2026-09-29
- 单机搭游戏开发 AI 团队:Meta Muse Glimmer 一次跑通音效工具链 — draginol · 2026-09-29
- 别急着招人:创业者称 AI 可承担过去 10 名员工的工作 — FinanceYF5 · 2026-09-29