跳至正文返回首页小红书 AllSpark 提出 CompoWorld：把跨应用服务组合成 Agent 训练环境
- 方法核心：CompoWorld 将每个服务设计为可独立运行、反复使用的组件，从公开 MCP 工具规范出发，由 Coding Agent 构建模拟服务；服务间按信息依赖组成服务级依赖图，任务生成经历探索服务、设计任务、执行验证、提交任务四阶段。
- 环境规模：团队构建 448 个可复用服务、10,130 个工具；7.1% 的工具依赖世界模型模拟，约 10% 样本调用至少一个此类工具。每次选 5 个服务可形成约 1.47×10¹¹ 种候选组合，但有效任务仍需执行验证。
- 训练设置：以 Qwen3.6-35B-A3B 为基座，使用 3K 条监督微调轨迹和 1K 个强化学习任务，在八项 Agent 基准上评估。
- 评测结果：AutomationBench 成功率从基座 10.33% 提升至 32.33%，增加 22 个百分点，高于论文报告的 GPT-5.4 的 27.67% 与 Claude Opus 4.6 的 25.50%；八项 Agent 基准平均提升 9.17 分。
- 同预算对比：在相同 SFT 流程、环境数量和 1K 训练轨迹下，组合环境训练优于单环境训练；AutomationBench 从 12.83% 升至 33.33%，τ³-Banking 从 9.62 升至 17.53。
- 奖励设计：提出 Completion-Focused Rubric Reward，根据同一组采样轨迹的通过率，为通过率较低的验收条件分配更高权重，与 GRPO 配合，在部分完成时提供反馈并聚焦尚未稳定满足的要求。
- 行业意义：训练环境的扩展维度从“增加更多工具”转向“组合服务并制造跨应用信息依赖”，为通用 Agent 学习多应用业务流程中的信息传递、状态更新与重新查询提供可复用路径。
🔗 小红书技术REDtech 原文 | 项目地址 | 论文