ToolSpace 以工具为中心合成更难的长程智能体训练环境。
资讯摘要
论文提出 ToolSpace，一种以工具为中心的环境合成框架，与先合成数据库再派生工具的数据中心方法相反。它从真实 MCP 服务与开放智能体语料的执行轨迹中，用确定性规则挖掘数据、状态与重试依赖，构建加权工具组合图并聚类成环境，再通过带回滚的状态感知随机游走生成任务。作者报告在 AutomationBench 与 tau3-Bench Banking 上生成更难的 Pro 版本，7 个前沿模型得分最多下降 38.2 分。
要点速读
- ToolSpace 从真实 MCP 服务执行轨迹中用确定性规则挖掘工具依赖，而非依赖 LLM 判断。
- 仅对改变状态的环境合成数据库，查询与无状态工具回放记录返回值。
- 作者报告在七个长程工具使用基准上，Qwen3.6-35B-A3B 平均分从 23.0 升至 41.0，GLM-5.2 从 44.6 升至 56.6。
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 2026/11/5 08:00:38（北京时间）。