资讯摘要
论文提出 CoworkEnv，一个面向 AI 协作智能体的能力引导框架，用于合成可执行训练环境。工作流需求指导任务构建，程序化验证与反馈修复检查生成规格和评分行为；教师执行产生 SFT 演示，学生交互提供 RL 轨迹与奖励。作者报告，在 Qwen3-VL-8B-Instruct 上，SFT 使 Claw-Eval 平均分从 46.6 升至 64.1，多轮任务提升 31.9 分。
要点速读
- CoworkEnv 依据工作流需求构建任务，并用程序化验证与反馈修复检查生成规格和评分行为。
- 教师执行用于生成 SFT 演示，学生交互用于提供 RL 轨迹与奖励，据此训练紧凑型 PocketWorker 模型。
- 作者报告 Qwen3-VL-8B-Instruct 经 SFT 后 Claw-Eval 平均分由 46.6 升至 64.1，多轮任务提升 31.9 分；仅 SFT 的扩展在 ClawMark 上显示跨基准适用性。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/21 02:00:17（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。