WorkRover：递归环境演化训练长时程协作智能体
AI 总结
一篇 arXiv 论文提出 WorkRover，一个通过“递归环境演化”训练长时程协作智能体的框架：由构建智能体联动生成语义对齐的工作上下文、可执行任务与有证据支撑的验证器，并依据工作区状态和执行反馈调整动作，而非遵循固定的构建流程。为支持环境迭代修正，作者提出 Factorial Compatibility Replay（FCR），用 rollout 反馈评估组件修订组合，并在候选方案中选出最小的已验证修复；同时提出 Verifier-to-Turn Credit Assignment（VTCA），在轨迹级 GRPO 优势之外加入确定性的工作区进展检查信号。作者用该框架对 Qwen3.5-35B-A3B 做后训练得到 WorkRover-35B-A3B，并称其在 JobBench 上高出 26.27 个百分点、OfficeQA Pro 高出 29.32 个百分点、GDPval v2 高出 413.25 Elo 分。
深度见解
如果这些作者自报结果可被复现，环境演化式的数据构建有望降低训练长时程办公协作智能体的成本。