RecodeX 重构消息,中国人民大学、复旦大学等院校团队提出以工具为中心的跨环境智能体环境合成框架ToolSpace,突破现有以数据为中心的环境合成范式。该框架从大量真实交互轨迹中提取工具间的数据、状态、重试三类依赖,构建工具组合图,按需聚类关联工具生成对应环境与底层数据,再通过状态感知随机游走与回退采样生成可执行跨环境调用链,反向合成带验证脚本的自然语言任务。
实验显示,基于该框架训练的744B模型在七项长程工具基准上平均分达56.6,追平Claude Opus 5。团队还依托该框架构建了难度更高的AutomationBench Pro与τ³-Bench Banking Pro基准。