阿里合成 6.49 万协同工作环境 Cowork-Gym 助 27B 模型力压百亿巨头，哈佛 MIT 开源去中心化竞价智能体群 MPT

核心背景与行业痛点

当智能体从封闭的单人答题走向真实团队协作时，面临一内一外双重挑战：在人机协同（Human-Agent Cowork）层面，人类用户会在智能体干活中途不断变更需求，甚至直接动手修改共享工作区（Shared Workspace）里的文件与代码，静态单轮评测环境根本无法训练智能体适应这种动态干扰；而在多智能体协同（Agent Swarms）层面，现有系统大多将智能体锁死在预设的中心化固定编排图（Fixed Orchestration）中，个体能力训练与群体分工组织严重割裂。

架构亮点与底层机制

今日发布的 Cowork-Gym（arXiv:2610.17670）与 MPT（arXiv:2610.22322）分别攻克了动态人机共享工作区与去中心化群体自组织难题：

1. 64.9K 协同环境合成与共享工作区动态用户模拟器（Cowork-Gym）：阿里团队设计了基于执行证据与审查反馈的“构建-执行-修正（Build-Execute-Revise）”环境合成闭环，横跨 14 类应用场景生成了 64,900 个可执行协同环境。其核心亮点是引入了有状态用户模拟器（Stateful User Simulator）——不仅通过多轮对话追加需求，更会直接对共享工作区文件发起读写修改，迫使智能体学会实时感知外部变更并动态对齐目标；
2. 市场化竞价后训练实现去中心化自编排（MPT）：哈佛大学与 MIT（Yilun Du 等）团队摒弃中心调度器，引入市场竞价机制（Market-Based Post-Training）。群体中的每个智能体通过输出“出价（Bids）”表达自身在当前状态下参与执行的意愿与把握，由出价决定谁来执行动作，并根据集体最终收益按出价比例反哺局部训练信用（Local Training Credit），从而在无中心节点下同步演化个体专长与群体协作默契。

权威 Benchmark 与实测跑分对比

两项工作在人机协同基准与多智能体泛化测试中均取得突破性成果：

• Cowork-Gym-27B 登顶 PawBench 与 ClawEval（击败 100B+ 巨型模型）：利用合成环境对 9B、27B 与 35B-A3B Qwen 基座进行 SFT + RL + 在线蒸馏后，6 大智能体基准平均分分别暴涨 +8.7、+6.4 与 +4.1 分；其中 27B 模型在全部参评模型中总排名第二，并在 PawBench 与 ClawEval 上双双斩获最高平均分，直接超越多款参数量超 100B 的大模型；
• MPT 赋予智能体群强容错与规模扩展性：在具身建造、机器人导航与深度研究（Deep Research）三大任务上，习得的竞价自编排显著优于固定编排基线；且在推理阶段扩大群体规模或遭遇部分智能体掉线（Agent Dropout）时，展现出极强的抗损鲁棒性。

开发者实战落地与开箱指南

MPT 完整训练代码与模型已在 GitHub 开源（https://github.com/Embodied-Minds-Lab/MPT）：

• 去中心化多智能体路由设计：在构建包含多个垂直领域子智能体的企业级研发集群时，可引入 MPT 的轻量级“能力自评出价（Bidding）”协议替代脆弱的中心 Router Prompt，当某个子智能体负载过高或报错离线时，次高出价智能体可无缝接管；
• 人机协同 Agent 脏工作区鲁棒性测试：在开发类似 Cursor/Windsurf 的结对编程 Agent 时，务必在每次工具执行前校验工作区文件的最新修改时间戳或哈希，防止覆盖人类开发者刚刚手动改写的代码。