Data World 论文：合成数据环境 RL 训练,DABstep-Hard 提升 20.9 分
omarsar0 · x · 2026-10-19
南京大学与美团 LongCat 团队等发布 Data World 论文,提出从零合成数据分析训练环境的引擎。
- 核心思路:先写出「生成数据集的世界机制」,再据此产出文件、任务与评分 rubric;因生成过程已知,开放性结论可被验证,独立审计确认每个答案都能从文件中还原。
- 基准:DataWorld-Bench 覆盖 50 个 held-out 世界、100 个任务,人类偏好筛选保证真实性;对 10 个前沿模型的评测发现,模型「算对数字」的能力普遍强于「从中得出正确结论」,存在一致的 computation–insight 差距。
- RL 训练结果:用 2,135 个合成任务、零蒸馏轨迹对 Qwen3.6-35B-A3B 做 RL,相比基座在 DataWorld-Bench +7.06、DAComp +14.28、DABstep-Hard +20.90、JobBench +12.13。
「编程与Agent」频道最新
- 开发者用 Go+HTMX 打造开源版 Higgsfield：Utsushi 视频换人平台 — _playlogic_ · 2026-10-19
- Dust 全链路极限优化换来约 10 倍提速，验证方案已公开 — burny_tech · 2026-10-19
- 写作者实测:Claude 内置浏览器里开 Google Doc,agent 改稿如丝般顺滑 — danshipper · 2026-10-19
- 连续 30 天每日一个生物制药 AI Agent，覆盖研发全部门全阶段 — nlarusstone · 2026-10-19
- AI 助手推荐 PostHog 后被质疑「为讨好我」,当场撤回话术重新论证 — matt_slotnick · 2026-10-19
- Agent 产品 Hark 演示:2 分钟自动登录 DMV 办完地址变更 — adcock_brett · 2026-10-19