CompoWorld提升Qwen3.6智能体性能

发生了什么

据Hugging Face Papers报道，CompoWorld通过组合环境扩展提升通用智能体性能。该方法利用可重用服务库和自动生成的环境，结合验证轨迹进行监督微调（SFT）及完成导向奖励强化学习（RL）。研究构建了448个服务和10,130个工具，使用3K SFT轨迹和1K RL任务训练Qwen3.6-35B-A3B模型。实验显示，该模型在八个基准测试中平均提升9.17分，并在AutomationBench上超越Claude Opus 4.6等前沿模型。