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

菲尔克鲁格:33岁是事实,完全没觉得克洛普的话冒犯了我

菲尔克鲁格:33岁是事实,完全没觉得克洛普的话冒犯了我

欧国联A级联赛第5轮,德国队将客场对阵塞尔维亚。赛前,重返德国队的前锋菲尔克鲁格出席了新闻发布会。本文是发布会的第一部分。 我想,看看大家的表情,就知道现场所有人都很高兴,球队肯定也是如此。你自己感觉怎么样?尤其是你现在已经第一次回到训练场上了。 菲尔克鲁格:我当然也很高兴回到这里。这在某种程度上也是对我所做的事情,以及我和俱乐部球队取得的表现的一种肯定和认可。很明显,我也受益于不莱梅现在的良好表

车主自主洗车耗时7小时38分,自称很解压;网友调侃:不如帮老婆多做点家务

车主自主洗车耗时7小时38分,自称很解压;网友调侃:不如帮老婆多做点家务

最近,自助洗车成为了部分车主“解压”的新方式。 近日,克拉玛依市民解先生洗车的监控视频火了。当天下午6时18分,他将爱车驶入自助洗车店,从后备箱里拿出各式各样的清洁药剂,直到次日凌晨1时56分将车清洗完毕,总共花了7小时38分钟。 11月10日,解先生告诉记者,他至少每周会洗一次车,每次会花2个多小时。这次属于精洗,他每半年到一年才做一次,“我有点洗车瘾,洗车的过程很解压”。 店主张先生告诉记者,

红星照耀中国・三军会师启新程丨三军合一会师地 万水千山新长征

红星照耀中国・三军会师启新程丨三军合一会师地 万水千山新长征

新甘肃客户端11月10日定西讯 (新甘肃客户端见习记者 白泉)今天,“红星照耀中国・三军会师启新程”网络主题宣传活动采访团一路向北来到白银市会宁县,探访红军会宁会师旧址。旧址广场上,中国工农红军第一、二、四方面军会师纪念塔巍然矗立。90年前,红军三大主力在这里会师;90年后,采访团一行在塔下驻足,深情回望这段历史。 中国工农红军第一、二、四方面军会师纪念塔。 站在塔下,讲解员先回答了这样一个问题:

美国发现一个离谱真相:中国根本不是对手,而是打不动的底层系统

美国发现一个离谱真相:中国根本不是对手,而是打不动的底层系统

本文为深度观点解读,仅供交流学习 前言 近些年,美国针对中国科技与产业的压制手段层层加码,从贸易关税到技术禁运,从产业链剥离到资本限制,几乎用尽了现代经济博弈的所有方式。 持续数年的高强度打压过后,美方并未收获预期的产业崩塌,反而直面一个颠覆固有认知的现实。 持续的封锁施压,为何只能倒逼进步,却无法撼动中国的发展根基? 一、芯片成为全球博弈核心,美国构建垄断围剿格局 在现代工业体系中,芯片是所有智

《GTA6》填坑《三男一狗》大案!崔佛嫁祸韦德

《GTA6》填坑《三男一狗》大案!崔佛嫁祸韦德

随着《GTA 6》的正式发售,玩家们不仅沉浸在雷奥尼达州的狂欢中,更在游戏细节里发现了大量与前作联动的“猛料”。 近日,有玩家在游戏内的电台节目中,发现了一段揭露《GTA 5》陈年旧案真相的新闻录音,直接让无数老玩家直呼“R星填坑太狠了”。 下文涉及《三男一狗》和《GTA6》的剧透,请谨慎浏览!! 在《GTA 6》的游戏电台中,一位女性主播播放了一段旧新闻录音,讲述了一桩十多年前轰动洛圣都的案件: