CompoWorld：让智能体学会跨服务完成复杂工作流

导语

现实中的智能体任务很少只发生在一个应用里。用户可能先从邮件或数据库提取信息，再调用日历、项目管理或自动化工具完成后续操作。如何大规模构造这类跨服务、长链路且可验证的训练环境，是通用智能体训练面临的关键问题。CompoWorld正是针对这一缺口提出的组合式环境扩展框架。

核心方法

CompoWorld的基本思路不是无限复制单一环境，而是先建立一套可复用的服务库，再将服务按依赖关系组合起来。

• 服务化环境：编码智能体根据工具规格生成服务实现，并为服务设计带类型约束的状态和共享接口。经过验证后，这些服务可以作为稳定的环境组件反复使用。
• 覆盖不可实现工具：对于难以可靠编写或复现的工具，系统引入世界模型处理相关交互，减少环境构建对真实外部系统的依赖。
• 依赖图生成任务：随机游走过程在服务之间建立依赖关系，让任务中的信息能够从一个服务流向另一个服务。由此生成的工作流不只是调用多个工具，还要求智能体正确保存、转换并使用中间结果。
• 面向完成度的训练：验证后的轨迹用于监督微调；强化学习阶段则采用Completion-Focused Rubric Reward，在每组采样结果中更加关注通过率较低的评价标准，促使模型补齐任务链条中的薄弱环节。

研究团队构建了448个服务，提供10,130个工具，并使用3K条监督微调轨迹和1K个强化学习任务训练Qwen3.6-35B-A3B。论文摘要显示，该方法在八项基准上的平均成绩较基础模型提升9.17分；在AutomationBench上，训练模型超过了包括Claude Opus 4.6在内的前沿模型，并在对比的35B-A3B智能体模型中排名靠前。

意义与影响

CompoWorld的价值在于把“环境规模”从单个应用的任务数量，扩展到多个服务之间可能形成的组合空间。有限的服务库只要拥有清晰接口和可验证状态，就能生成大量不同的依赖结构，为智能体学习信息传递、工具衔接和长程执行提供更丰富的数据来源。

这一方向也提示，智能体能力提升不一定只依赖更大的模型或更多静态指令数据，训练环境的结构同样重要。与此同时，组合式环境仍受服务实现质量、世界模型准确性和自动验证覆盖范围影响。摘要提供了较好的基准结果，但要判断其在开放互联网、真实权限管理和高风险业务中的可靠性，还需要更多公开细节与独立复现。总体而言，CompoWorld展示了从“单服务任务生成”走向“跨服务工作流生成”的一种可行路径。

来源：Hugging Face Daily Papers