发生了什么
- 美团旗下Longcat的一个团队于2026年10月15日在arXiv上发表了Data World。这是一个为“用代码分析数据的智能体”制造训练环境的引擎。
- 它的做法与通常相反：先设定底层的世界，再根据明确的机制生成文件、任务和评分标准。独立审核会验证答案能否从文件中恢复出来。
- 借助这个引擎，在1,037个不同的世界中产出了2,135项训练任务。经人工筛选，留下100项任务，分布在50个留出的世界和16个领域，构成DataWorld-Bench。
- 他们用从零开始的强化学习，不蒸馏其他模型的轨迹，在Qwen3.6-35B-A3B的基础上训练出了DataWorld-35B-A3B。
为什么重要
- 训练数据不来自任何真实企业。摘要把整理环境的成本，以及隐私和知识产权方面的限制，列为传统方法的问题。对于持有敏感数据又无法共享的人来说，用虚构的世界做训练，是一条以前以这种形式并不存在的出路。
- 相对基础模型的提升分别是：DataWorld-Bench +7.06，DAComp +14.28，DABstep-Hard +20.90，JobBench +12.13。四个基准测试中有三个不是该团队自己的，这是有利的一面；第四个则是。
- 他们评估了十个前沿模型，所有模型都表现出“计算”与“解读”之间的差距：算得出结果，却得不出结论。一个智利团队让智能体“分析销售”，拿到的会是表格，而不是解读。
关键数字
+20.90分：DataWorld-35B-A3B在DABstep-Hard上相对基础模型的提升，是四项已报告测试中最大的一次跃升。
背景
我们读的是论文摘要，而不是全文。近期的其他基准测试指向同一个薄弱环节：不是计算，而是判断力。Taste-Bench衡量AI智能体的判断力，邮件智能体虽然执行得好却仍会失败。
接下来
- 摘要中，作者没有报告模型或数据的发布日期。
- 没有公布时间表。
一句话总结
用虚构的世界训练，可以避免暴露真实数据。有待观察的是，当真实文件杂乱不堪时，在虚构世界里学到的东西是否还管用。
来源
- Data World: Scaling Data Environments from Scratch，arXiv 2610.21656，2026年10月15日。
编辑：Rodrigo Cornejo。我们如何挑选和核实：谁在写这些笔记。
