先造因果世界再生成文件！Data World 合成上千数据环境训练 Qwen3.6-35B-A3B：DABstep-Hard 暴涨 20.9 分
数据分析智能体（Data Agents）需要编写代码处理异构文件并挖掘业务洞察，但真实企业数据受制于隐私合规且难以验证开放式结论。研究团队提出 Data World（arXiv:2610.21656），首创‘先显式定义底层因果世界机制，再衍生异构数据文件与评分标准’的多智能体合成引擎，构建了 1,037 个独立世界与 DataWorld-Bench。基于 Qwen3.6-35B-A3B 进行纯强化学习（RL-Zero，零蒸馏）训练出的 DataWorld-35B-A3B 在 DABstep-Hard 上狂涨 20.90 分、DAComp 提升 14.28 分；配合同日开源的多奖励逐 Token 信用分配算法 MRTPO（arXiv:2610.21439），为训练高精度工具与 SQL 智能体提供了完整利器。
核心要点速览
- 首创‘先造世界再生成文件’范式：Data World 从显式因果机制出发合成 1,037 个互不重叠的数据世界与 2,135 个可验证训练任务
- 纯 RL-Zero 驱动 Qwen3.6-35B-A3B 全面跃升：零蒸馏训练出 DataWorld-35B-A3B，在 DABstep-Hard 暴涨 20.90 分、DAComp 提升 14.28 分、JobBench 提升 12.13 分
- 同步开源 MRTPO 逐 Token 多奖励归因：利用重放验证器信息的 JS 散度将多项奖励精准分配给对应 Token，显著加速 Text-to-SQL 与工具调用训练
关联模型 / 智能体 / 厂商:
⚡ DataWorld-35B-A3B⚡ Qwen3.6-35B-A3B🤖 Data World🤖 MRTPO🤖 Data Analysis Agents🤖 SQL Agents🌐 Alibaba Qwen