Navalia 框架发布：可验证任务合成与长程后训练提升协作智能体
原文标题：Navalia: Advancing Cowork Agents through Verifiable Task Synthesis and Long-Horizon Post-Training
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
arXiv 论文提出 Navalia 框架，面向协作智能体（Cowork Agents），结合可验证任务合成与长程后训练。它以企业财报为数据源，自动构建带可追溯证据与计算链的分析任务，并经独立 LLM 审核与程序化校验。基于 Qwen3.6-35B-A3B 初始化，在 OfficeQA Pro 等五个基准上均优于基座模型。
- 问题
- 金融分析智能体需要跨文档取证与多步数值推理，但专家标注任务成本高、LLM 直接合成难保证答案可靠。
- 方法
- 以企业财报为源，语义选证据并构建可执行计算链生成可验证任务，经独立 LLM 审核与程序化校验后做冷启动 SFT 与 RL 长程后训练。
- 结果
- 基于 Qwen3.6-35B-A3B，在 OfficeQA Pro、FinSearchComp、Finance Agent Benchmark、APEX-Agents-AA、Workspace-Bench-Lite 五个基准上均优于基座模型。
- 影响
- 给出可复用的「可验证任务合成+长程后训练」流水线，做金融或企业协作智能体的团队可直接借鉴数据构造方式。
深读 · 结论先行AI 生成展开看要点与影响 ↓
Navalia以财报自动合成可验证任务并长程后训练，Qwen3.6-35B-A3B在五个基准全面超基座
- •以企业财报为数据源，从完整事实集中语义选取证据并构建可执行计算链，生成带可追溯证据与步骤数据依赖的分析任务
- •用独立LLM审核加程序化校验，验证证据一致性与答案正确性
- •验证后的任务用于轨迹收集、冷启动SFT与RL，提升长程任务执行
- •基于Qwen3.6-35B-A3B初始化，在OfficeQA Pro、FinSearchComp、Finance Agent Benchmark、APEX-Agents-AA、Workspace-Bench-Lite五个基准上均优于基座
为什么重要：专家标注任务成本高、LLM直接合成又难保答案可靠，可验证合成加后训练的路线对金融等垂直智能体有复用价值。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。