CoworkEnv：为长程协作智能体合成训练环境
CoworkEnv 是一个框架，用于构建可执行的训练环境，帮助 AI 智能体在多步骤任务中使用工具，并适应工作空间状态的变化。工作流要求用于指导任务构建，程序化验证与反馈修复则检查任务规范和评分行为。教师模型的执行结果可生成监督微调（SFT）示范数据，学生模型的交互则为强化学习（RL）提供运行轨迹和奖励。使用这些资源训练后，Qwen3-VL-8B-Instruct 在 Claw-Eval 上的平均分从 46.6 提升至 64.1，多轮任务提高了 31.9 分。研究还考察了该方法在 ClawMark 上的适用性，并比较了不同的 RL 配置。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。