FEATURED ARTICLE / 01

744B模型追平Claude Opus 5,人大复旦提出ToolSpace探索环境合成新范式

READ
DEEPER
744B模型追平Claude Opus 5,人大复旦提出ToolSpace探索环境合成新范式 资讯动态 / 2026

今日体育资讯,由大发体育整理:

给智能体造训练环境,一定要先从数据库开始吗?

现有的环境合成方法通常以数据为中心,先生成数据库和业务场景,再据此构造工具与任务。

但沿着这条路线, 工具接口和参数逻辑可能偏离真实定义,工具组合也可能缺少执行依据,任务往往局限于单个环境 。

现实中的工作却需要跨越这些边界,要让智能体熟悉跨环境的工具调用,训练任务就需要覆盖不同环境之间的数据传递、状态衔接与工具编排。

为此,中国人民大学,复旦大学和上海交通大学的研究团队提出 ToolSpace,面向工具中心的跨环境智能体环境合成框架 。

该方法包含两个核心环节。

(1) 工具空间探索 :从执行轨迹提取工具,构建工具组合图,并按工具关系组织环境与底层数据,使工具组合具备可追溯执行依据。

(2) 跨环境可验证任务合成 :沿工具图做状态感知随机游走,将走通的调用链转化为自然语言任务与验证脚本,并按难度与跨环境范围筛选可回放样本。

图 1 ToolSpace 总览。

从工具及其执行依赖出发组织环境,合成跨环境任务,用于训练数据生成和 Pro 基准构建。

(论文图 1) 下面的视频展示了 ToolSpace 的完整流程。

视频链接:https://mp.

about image

weixin.

qq.

com/s/P_jMtmD6W4mirCPltHgwZg 研究团队从训练与评测两方面验证: 七项长程工具基准全面提升 : ToolSpace 合成数据在训练后带来稳定提升。

ToolSpace-744B-A40B 综合性能由 44.

6 升至 56.

6,与 Claude Opus 5 持平。

构建更具挑战的升级基准 : 构建 AutomationBench Pro 与 τ³-Bench Banking Pro,相比于标准版本更能检验智能体在更复杂工作流中的连续执行能力。

论文标题:ToolSpace: Scaling Tool-Centric Environment Synthesis for Long-Horizon Agents 论文链接:https://arxiv.

org/pdf/2611.

05036 项目主页:https://toolspace-agent.

github.

io/ 代码仓库:https://github.

com/dongguanting/ToolSpace 模型合集: https://huggingface.

co/collections/dongguanting/toolspace ToolSpace: 将工具连成宇宙,按需合成环境!

一、工具空间探索 ToolSpace 将工具视为智能体执行任务的基本单元。

为此,系统先从轨迹中还原工具之间有执行证据的连接,再将紧密关联的工具组织为环境,为其中需要持久状态的操作补齐底层数据。

随后,系统在工具图上探索跨环境调用链,将可执行的链路转化为任务。

整个流程由工具的连接关系牵引。

图 2 ToolSpace 的两个阶段。

先从执行轨迹构建工具空间并按需构建环境,再以状态感知游走生成跨环境任务。

工具组合图建模 。

ToolSpace 收集了超过 20 万条智能体与工具交互轨迹,来源包括真实 MCP 服务、开放工具使用语料和真实工作区记录。

不同来源的执行真实性不同,系统会分层筛选。

对于合成环境中的轨迹,仅保留工具名称和参数结构与对应真实工具匹配的调用。

有了轨迹,下一步是找出工具之间的依赖。

同一个工具换一组参数,可能产生不同结果,也可能通向不同的后续操作,因此图中的节点同时记录工具与规范化参数配置。

系统再按确定性规则,从相邻调用中提取三类连接。

1.

数据依赖关注结果如何传递 。

例如,前一步返回文件 ID,后一步用这个 ID 读取文件。

系统要求下游输入使用上游输出值,且字段类型匹配。

2.

状态依赖关注操作如何改变后续条件 。

例如,前一步修改某条记录,后一步读取或继续修改同一对象。

识别这类连接需要检查对象及其状态是否衔接。

3.

重试依赖记录失败后的恢复路径 。

前一次调用返回错误,轨迹随后切换工具,并在下一次调用中成功,这段可恢复的错误与后续成功调用会一起保留。

这些连接由规则识别,边的权重来自轨迹中实际观察到的转移频率。

系统会过滤低频边,并要求候选数据边的下游参数可追溯至上游输出,减少 limit=10 这类偶然匹配。

按需环境数据合成 。

ToolSpace 根据工具连接密度聚类,并结合真实 MCP 服务配置组织环境。

包含创建、修改或删除工具的环境,需要生成底层数据库,并通过单元测试与状态变化检查。

查询类工具返回的局部状态可用于初始化环境,无状态工具则在匹配的回放调用中复用缓存结果。

这使系统能将数据库合成集中在确实需要维护和改变持久状态的环境上。

二、跨环境可验证任务合成 状态感知随机游走 。

工具组合图给出了可以探索的方向,具体调用能否继续,还取决于当前状态。

ToolSpace 从

本文内容由大发体育整理。

PREVIOUS 多国代表赴深圳,中方高规格礼宾,三军仪仗队亮相,APEC需要中国 NEXT 震惊!爱新觉罗姓氏女子在日本担任眼科院长,辽宁出身,东大医学博士三语接诊,评论区炸锅
返回资讯列表
SHARE THIS ARTICLE

觉得内容有用?

分享给需要了解这项内容的朋友。

MORE FROM THE DESK

热点新闻

高盛最新研报:中国将持续加大社保及税费征收力度

高盛最新研报:中国将持续加大社保及税费征收力度

2026年11月,高盛宏观研究团队在结束北京路演后发布的一份深度调研报告,在财经界引发广泛关注。报告指出,中国财政政策的重心正经历一场深刻的结构性转向——从过去八年持续推进的“减税降费”,全面切换至“强化财政纪律与收入重建”。在这一逻辑下,加大税收征管与社保合规力度并非短期权宜之计,而是一条贯穿未来数年的确定性主线。 宏观数据的“剪刀差”与征管发力 理解这一政策转向,首先需要观察一组耐人寻味的宏观

才发现,人民币在国内就叫人民币,出了国还有个洋气的专属称呼

才发现,人民币在国内就叫人民币,出了国还有个洋气的专属称呼

咱们平时手机点付款、上街买东西,说人民币说RMB都顺嘴,真到搞跨境买卖、转外汇的时候,不少人盯着银行界面跳出来的三个大写字母发懵。这不就是咱们天天花的人民币吗,怎么还改名叫CNY了?不少人以为这是老外专门给人民币起的洋名,其实这里头的门道可比你想的有意思多了。 RMB是咱日常的叫法,就是人民币拼音的首字母凑的,大家聊天唠嗑用着特方便。可金融系统里要对接全世界那么多国家的货币,总不能各叫各的吧,搞不

砸下12亿,耐克终结阿迪达斯26年欧冠合作

砸下12亿,耐克终结阿迪达斯26年欧冠合作

欧洲足坛从来不缺重磅消息,陪伴球迷26年的欧冠「星星球」,即将迎来告别。 11月16日,欧足联正式宣布,耐克将从2027/28赛季起取代阿迪达斯,成为欧冠官方比赛用球供应商,合同为期四个赛季。 此外,耐克还一口气拿下了欧联杯、欧协联、欧洲超级杯等赛事的比赛用球权益。 这也意味着,时隔26年,耐克重新回到欧冠赛场。 早在1997年至2001年,耐克就曾担任欧冠官方比赛用球供应商,先后推出NK 800

人到中年最大的悲哀是什么?是不是被裁员…

人到中年最大的悲哀是什么?是不是被裁员…

“一大学同学刚电话里跟我说,他(部门领导)被裁了。连他一起裁了200多人,杭州某世界500强企业!” “他说他很茫然,人至中年失业了。我说,这才刚开始……” 这是社交平台上一条点赞极高的帖子。评论区里,另一位网友默默补了一刀:“我老公国企,也开始大裁员了,预计裁两三百人,感觉他这次也是悬了。” 曾几何时,“进大厂”、“考国企”是中年人体面生活的护城河。可当这层滤镜被撕碎,你会发现,人到中年最大的悲

《流人》续订第9、10季,新邦德人选同日揭晓

《流人》续订第9、10季,新邦德人选同日揭晓

上周一早上,英国谍战剧迷接连收到两条消息。先是《流人》(Slow Horses)确认续订第9、10季,随后仅隔数小时,亚马逊米高梅正式宣布,下一任詹姆斯·邦德的扮演者是罗伯特·帕丁森(Robert Pattinson)。 这个结果让不少人意外。此前几个月里,关于新邦德的传闻名单很长,雅各布·艾洛蒂、亨利·卡维尔、卡勒姆·特纳等名字都被提及,《流人》主演杰克·劳登(Jack Lowden)也是近期被