WorkRover：通过环境递归演进扩展长程 Cowork 智能体训练
WorkRover 是一个通过强化学习训练智能体执行长程 Cowork 任务的框架。它协同构建并验证工作上下文、可执行任务和基于证据的验证器，再利用运行反馈改进环境。另一种方法将部分进度训练信号分配给完成任务所需的前置步骤。根据报告中的评测结果，经过后训练的 Qwen3.5-35B-A3B 相较基础模型，在 JobBench 上高出 26.27 个百分点，在 OfficeQA Pro 上高出 29.32 个百分点，在 GDPval v2 上高出 413.25 个 Elo 分。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。