Navalia 框架通过可验证任务合成与长程后训练提升 Qwen3.6-35B-A3B 的 Cowork Agent 能力

该论文提出 Navalia 框架，旨在解决大语言模型智能体在财务分析等复杂场景中缺乏高质量、可验证长程任务数据的问题。该方法以企业财报为数据源，通过语义选择证据并构建可执行计算链，生成具有可追溯证据和步骤间数据依赖的分析任务，随后利用独立 LLM 审查和程序化检查验证答案正确性。基于 Qwen3.6-35B-A3B 初始化，经轨迹收集、冷启动监督微调（SFT）及强化学习（RL）后，该模型在 OfficeQA Pro、FinSearchComp、Finance Agent Benchmark、APEX-Agents-AA 和 Workspace-Bench-Lite 五个基准上均取得一致提升。

核心机制在于将非结构化的财报文本转化为带有严格逻辑约束的训练数据。系统不仅生成最终答案，还强制要求任务包含中间步骤的计算链和跨文档的证据支持，从而迫使模型学习多步数值推理和工具调用。这种“合成 - 验证”闭环解决了直接由 LLM 生成任务时难以保证答案可靠性和难度梯度的问题，使得生成的训练数据既具备挑战性又具备事实依据。

这一工作表明，针对特定垂直领域的 Agent 能力提升，不再完全依赖通用数据的堆叠，而是可以通过构建高信噪比的合成数据集来实现。事实层面，Navalia 确实提升了五个基准的分数；推断层面，这种基于可验证任务链的训练范式可能成为未来专业领域 Agent 的主流训练路径；猜测层面，该方法若推广至法律或医疗等非结构化文档处理场景，可能会面临类似的证据链构建挑战，但具体效果需进一步实证。