Cowork-Gym 合成工作环境并提升模型表现

Anni Zou 等作者发布论文，提出合成 Cowork 交互式工作环境的框架 Cowork-Gym。该框架通过 build-execute-revise 循环，利用执行证据和评审反馈验证并修复生成的环境，并配有状态化用户模拟器，通过对话和直接编辑共享工作区来响应智能体动作。 作者称，该框架在 14 个应用场景中合成了 64.9K 个环境，并用这些环境对 9B、27B 和 35B-A3B 的 Qwen 模型进行后训练，方法包括监督微调、强化学习和同策略蒸馏。 作者称，在六个智能体基准上取平均，这三个模型分别比对应的基础检查点高出 8.7、6.4 和 4.1 分。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。