本站摘要 / arXiv · cs.AI
Navalia框架结合可验证任务合成与长程后训练推进协作智能体
作者提出Navalia框架，以企业财务报告为数据源，从完整事实集选取证据并构建可执行计算链，生成带可追溯证据的分析任务，再经独立模型审查与程序化检查验证。
为什么值得关注
该摘要为财务分析等需跨文档证据整合与多步数值推理的协作智能体任务构建提供研究线索。
背景
摘要指出财务分析要求智能体整合跨文档证据并做多步数值推理，专家编写任务成本高，直接由模型合成难获可靠答案。
摘要要点
- 验证后的任务用于轨迹收集、冷启动监督微调与强化学习，以改进长程任务执行。
收录依据
- 原始标题
- Navalia: Advancing Cowork Agents through Verifiable Task Synthesis and Long-Horizon Post-Training
- 发布渠道
- arXiv · cs.AI
- 作者/发布者
- Hengqi Liu, Ziyuan Liu, Yang Qin, Wanting Zhou, Zichuan Wang, Jiachen Liang, Xu Chu, Shaowei Chen, Zhaokai Luo, Mu Chuan
- 来源原始时间
- 2026-10-21T00:00:00-04:00
- 北京时间
- 2026-10-21T12:00+08:00
- 收录时间
- 2026-10-22T08:00+08:00
- 实际读取范围
- 官方摘要和元数据（未读取论文全文）
- 核验记录
- official-abstract-unreviewed
来源中的研究结论、产品能力及数字应以原文为准。来源身份与时间核对不等于本站完成了独立实验验证。
收藏保存在此浏览器。本文未搬运源站全文或图片。