小红书 CompoWorld:448 个服务组合出万级工具,Agent 训练成功率翻三倍
小红书技术REDtech · wechat · 2026-10-15
小红书 AllSpark 团队发布 CompoWorld(Compositional Environment Scaling),通过组合可复用服务来扩展通用 Agent 的训练环境与任务空间,解决跨应用任务训练环境稀缺的问题。
核心做法
- 从公开 MCP 工具规范出发,用 Coding Agent 构建可独立运行的服务,统一 Python 类型模型约束状态,配隔离环境测试与独立 Agent 复检,最终构建 448 个服务、10,130 个工具;仅 7.1% 工具需语言模型模拟。
- 通过随机游走构造服务依赖图生成任务,覆盖多次访问、状态更新与信息同步等交互结构;候选组合约 1.47×10¹¹ 种,经四阶段(探索、设计、执行验证、提交)筛选有效任务。
- 提出 Completion-Focused Rubric Reward:按采样组表现给通过率低的验收条件更高权重,与 GRPO 配合,激励模型补齐薄弱环节。
结果:以 Qwen3.6-35B-A3B 为基座,用 3K 条 SFT 轨迹 + 1K 个 RL 任务,八项 Agent 基准平均提升 9.17 分;AutomationBench 成功率从 10.33% 升至 32.33%,超过 GPT-5.4(27.67%)与 Claude Opus 4.6(25.50%)。消融显示同预算下组合环境训练显著优于单环境训练(AutomationBench 33.33% vs 12.83%),但环境扩张与服务质量、任务验证需配合。论文与代码已开源。
「编程与Agent」频道最新
- PHP/node.js/GitLab 大规模安全事件后，Cognition 开源 Devin 修复插件 — Scobleizer · 2026-10-23
- 用 Grok 机器人+租 GPU，个人微调模型变得触手可及 — Rasmic · 2026-10-23
- 一句 prompt 挖出 PHP 预认证 RCE：Agent 辅助漏洞挖掘实录 — chrisrohlf · 2026-10-23
- AutoRouter 公测：按任务难度自动在 Claude/GPT 等模型间分单省 token — floguo · 2026-10-23
- Speak 详解 GPT-Live 实时语言家教:如何用低延迟决策实现即时纠错 — pbbakkum · 2026-10-23
- Google Live API 新增决策触发器，比 function call 更快 — pbbakkum · 2026-10-23