关于从零扩展数据环境的一篇好论文。他们构建了一个能从零创建数据分析环境的引擎，还应用了强化学习（RL），用于……

Data World 这篇论文提出一个从零创建数据分析环境的引擎：先写下生成数据集的机制，再据此产出文件、任务和评分标准，使开放式结论可被验证。在这类环境上做强化学习，可在 DABstep-Hard 上提高 20.9 分；用 2135 个任务对 Qwen3.6-35B-A3B 做 RL（不使用蒸馏轨迹），在 DAComp 和 JobBench 上分别提高 14.28 分和 12.13 分。它为数据分析智能体提供了一种可扩展地生成可验证 RL 训练数据的方法。

• Elvis Saravia2026-10-18 21:45