Data World：多智能体合成数据环境引擎、基准与RL训练模型

Zhanli Li 等在 arXiv 论文（基于论文摘要）中提出 Data World，一个多智能体引擎，从显式机制合成数据环境、任务和评分标准。引擎生成 2,135 个训练任务，来自 1,037 个互不重叠的世界；另经人类偏好筛选出 100 个任务，覆盖 50 个保留世界和 16 个领域，构成 DataWorld-Bench 基准。 团队在合成任务上做 RL-zero 训练，不使用轨迹蒸馏，从 Qwen3.6-35B-A3B 得到 DataWorld-35B-A3B 模型。论文称对十个前沿模型的评测显示该基准仍有挑战性，尤其在洞察发现上存在一致的“计算-洞察”差距。

AI 根据报道生成 · 4 小时前更新