arXiv cs.AI· Zhanli Li, Zeyuan Xu, Chaoxu Pang, Zeyuan Liu, Anyang Ji, Te Sun, Kongcheng Zhang, Wenbo Xu, Xubin Yue, Shipeng Luo, Junjie Zhao, Yingfan Hua, Jingqing Ruan, Zhongda Su, Feng Hong, Zhizhao Zeng, Ke Zeng, Xunliang Cai, Hanjia Ye·· 2 天前AI 评分44
Data World：从零扩展数据环境
Data World: Scaling Data Environments from Scratch
AI 导读
研究团队提出 Data World，一个多智能体引擎，通过先定义文件背后的世界机制再生成文件，合成环境、任务与评分标准，并产出 DataWorld-Bench（50 个留出世界、16 个领域、100 个任务）及 1,037 个世界的 2,135 个训练任务。
正文 · AI 翻译
作者：Zhanli Li、Zeyuan Xu、Chaoxu Pang、Zeyuan Liu、Anyang Ji、Te Sun、Kongcheng Zhang、Wenbo Xu、Xubin Yue、Shipeng Luo、Junjie Zhao、Yingfan Hua、Jingqing Ruan、Zhongda Su、Feng Hong、Zhizhao Zeng、Ke Zeng、Xunliang Cai、Hanjia Ye
摘要：数据智能体使用代码处理异构文件并得出分析洞见。扩展其训练面临代价高昂的环境整理、隐私与知识产权限制，以及在没有已知生成真值的情况下难以验证开放式发现等难题。我们的核心洞见是：在生成文件本身之前，先规定文件背后的世界。我们提出 Data World，一个多智能体引擎，可从显式机制合成环境、任务和评分标准。独立审计检查从观测文件中恢复目标的可能性；评分标准支持评估和强化学习奖励。基于人类偏好的问题真实性整理，从 50 个留出世界和 16 个领域中选出 100 个任务，构成 DataWorld-Bench。该引擎还从 1,037 个互不相交的世界中生成 2,135 个训练任务。对十个前沿模型的评估表明，该基准仍具挑战性，尤其是在洞见发现方面，并存在一致的计算—洞见差距。在合成任务上进行 RL-zero 训练，无需轨迹蒸馏，即从 Qwen3.6-35B-A3B 得到 DataWorld-35B-A3B。在匹配评估下，它在 DataWorld-Bench 上比其基座提升 7.06 分，在 DAComp 上提升 14.28 分，在 DABstep-Hard 上提升 20.90 分，在更广泛的职业基准 JobBench 上提升 12.13 分。
| 注释： | 18 页，4 幅图，7 张表。代码：此 https URL 数据：此 https URL 项目页面：此 https URL |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.21656 [cs.AI] |
| （或 arXiv:2610.21656v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.21656 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Zhanli Li [查看邮箱]
[v1]
2026 年 10 月 15 日星期四 10:35:47 UTC（4,535 KB）
来源：arXiv cs.AI · arxiv.org