ToolSpace:面向长程智能体的工具中心环境合成扩展
ToolSpace: Scaling Tool-Centric Environment Synthesis for Long-Horizon Agents
AI 导读
论文提出 ToolSpace,一个工具优先的框架,通过挖掘真实 MCP 服务和开放智能体语料的执行轨迹来合成多环境工具使用基准与训练数据。与先合成数据库再派生工具的数据中心方法相反,它用确定性规则从相邻调用中挖掘数据、状态和重试依赖,将加权工具组合图聚类成环境,并通过带回滚的状态感知随机游走生成任务,反编译为带断言检查的自然语言任务,只保留能从初始状态成功重放的样本。在 AutomationBench 和 tau3-Bench Banking 上,该流程生成更难的 Pro 版本,7 个前沿模型最多下降 38.2 分。在七个长程工具使用基准上,ToolSpace 将 Qwen3.6-35B-A3B 的平均分从 23.0 提升到 41.0(使用 RL 后 43.2),GLM-5.2 从 44.6 提升到 56.6,与 Claude Opus 5 相当。
相关热点
1 个事件 · 1 条新闻提到
提到这篇论文的新闻
人大复旦等提出ToolSpace智能体环境合成框架
- 公众号 机器之心引用了论文编号或链接人大复旦等提出ToolSpace:744B模型仅经监督微调,七项基准平均分追平Claude Opus 5
论文标题:ToolSpace: Scaling Tool-Centric Environment Synthesis for Long-Horizon Agents