发布 ToolSpace 长程代理环境合成框架

研究人员Guanting Dong等人提出并发布了ToolSpace框架。该框架旨在解决长周期智能体能力扩展问题，其核心方法是从真实MCP服务的执行轨迹中挖掘工具依赖关系，并据此合成新的测试环境。框架通过状态感知随机游走机制生成具体任务，以此构建评估基准。 在自动化及银行领域的基准测试中，ToolSpace对7个前沿模型进行了性能评估。结果显示，该框架使得这些模型的性能最高下降了38.2个百分点。这一测试环境被证明具有较高的难度和区分度，能够有效识别当前智能体在长程任务中的短板。同时，研究发现执行验证边优于单纯的LLM判断边，且整体性能表现会随着数据量和环境规模的提升而改善。 具体模型评测数据显示，使用ToolSpace环境后，Qwen3.6-35B-A3B的平均分从23.0提升至41.0，GLM-5.2提升至56.6。经过该框架增强或评估后的表现，与顶级模型Claude Opus 5相当。该研究成果发表于arXiv cs.CL领域，为长程智能体的训练与评估提供了新的工具中心视角。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。