小红书 AllSpark 提出 Navalia 并完成 35B 模型后训练
热点事件持续更新
小红书 AllSpark 提出 Navalia 并完成 35B 模型后训练
3 篇报道2 个报道来源2 小时前更新
先了解这件事
AI 综述
小红书 AllSpark 团队提出 Navalia，基于 Qwen3.6-35B-A3B 构建财报分析任务环境并进行长程后训练，在五项基准上较基座模型提升 13.07–23.06 个百分点。 该框架通过自动构建文档环境、合成证据可追溯且答案可验证的跨文档任务，结合轨迹采集与长程后训练，形成从数据到训练的完整配方，目标是让 35B 模型胜任财报分析与复杂办公任务。 此前 arXiv 版本由 Hengqi Liu 等作者提出，仅说明框架设计，未披露训练效果或评测结果；后续报道给出了具体基座模型与基准提升数据。
AI 根据报道生成 · 1 小时前更新
最新进展11月4日 20:04
小红书 AllSpark 团队提出 Navalia：让 35B 模型做好复杂办公事件进展
2 个进展
- 11月4日 17:59 · 2 篇报道小红书AllSpark提出Navalia财报分析训练方法RadarAI：小红书 AllSpark 提出 Navalia：让 35B 模型做好财报分析与复杂办公
- 10月21日 12:00 · 1 篇报道Navalia：可验证任务合成与长程后训练框架arXiv cs.AI：Navalia：通过可验证任务合成与长程后训练提升 Cowork Agent
报道时间线
沿着报道，了解事件的不同侧面。
11月4日
- RadarAI小红书 AllSpark 团队提出 Navalia：让 35B 模型做好复杂办公
小红书 AllSpark 团队提出 Navalia，通过自动构建文档环境、合成证据可追溯且答案可验证的跨文档任务，并结合轨迹采集与长程后训练，形成从数据到训练的完整配方，目标是让 35B 模型胜任复杂办公任务。
- RadarAI小红书 AllSpark 提出 Navalia：让 35B 模型做好财报分析与复杂办公
小红书 AllSpark 团队提出 Navalia，基于 Qwen3.6-35B-A3B 构建财报分析任务环境并进行长程后训练，在五项基准上较基座模型提升 13.07–23.06 个百分点。该工作面向财报分析与复杂办公场景，验证了 35B 级模型经针对性后训练后的能力提升空间。
10月21日
- arXiv cs.AINavalia：通过可验证任务合成与长程后训练提升 Cowork Agent
Navalia 框架以企业财报为数据源，通过语义选取证据并构建可执行计算链，合成带可追溯证据和真实数据依赖的分析任务，再用独立 LLM 审核与程序化检查验证答案正确性。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。