人大复旦上交提出 ToolSpace 新范式,744B 大模型训练后追平 Claude Opus 5

人大、复旦、上海交大联合团队发布 ToolSpace 工具中心式环境合成框架,这套新范式一改过去先造数据再生成任务的思路,用真实工具调用轨迹搭建可验证的跨环境训练样本,基于该框架训练的 GLM-5.2 744B 模型,在七组长时序工具调用基准测试拿到 56.6 分,和 Claude Opus 5 分数持平,同时 35B 规模的 Qwen 小模型也获得明显能力提升,整套方案、数据集、代码全部开源,主要用来解决 AI 智能体跨多个工具环境编排任务、长流程调用容易出错的痛点。

ToolSpace 两大核心流程清单

  1. 工具空间探索阶段
  2. 跨环境可验证任务合成阶段

从真实 MCP 服务、智能体执行轨迹里提取工具调用关系,挖掘状态流转、重试依赖,构建带权重的工具组合图;只在会修改状态的环境生成配套数据库,无状态查询工具直接复用历史返回结果,减少环境搭建成本。

在工具图上做带回滚机制的状态感知随机游走,把完整跑通的调用链路转换成自然语言任务,附带断言校验脚本,只保留可以稳定复现的样本,过滤掉逻辑走不通的无效训练数据。

Benchmark 测试成绩对比

模型平均分备注
GLM-5.2(744B,ToolSpace 训练后)56.6追平 Claude Opus 5
Claude Opus 556.6闭源对标旗舰
GPT 5.6 Sol48.9低于本次 744B 模型
Qwen3.6-35B(原始)23.0基线版本
Qwen3.6-35B(ToolSpace 训练)41.0提升 18 分,RL 优化后可达 43.2

和传统环境合成方案的区别

  • 传统方案:以数据为中心,先构造数据库、场景,再衍生工具任务,工具逻辑容易脱离真实接口,大多只能在单一环境内做任务
  • ToolSpace:以工具为中心,工具调用关系优先,支持跨环境数据传递、多工具串联编排,样本自带可执行校验脚本

项目配套信息

  • 论文名称:ToolSpace: Scaling Tool-Centric Environment Synthesis for Long-Horizon Agents
  • 开源位置:arXiv 公开论文,配套代码、数据集、模型权重在 Hugging Face、GitHub 开放
  • 测试基准:AutomationBench、τ³-Bench Banking 以及 7 组长时序智能体评测集

小结

ToolSpace 是面向长流程 AI 智能体的训练环境生成新范式,核心价值是低成本产出可信、跨环境的工具调用训练任务,不只是 744B 大模型拿到对标顶级闭源模型的成绩,小参数模型也能获得可观增益,对后续可自主调用多工具的 Agent 研发有参考意义。

【相关 FAQ】

问题 1:人大复旦上交提出的 ToolSpace 新范式,训练后的 744B 模型在测试里达到什么水平?

回答 1:人大复旦上交提出 ToolSpace 新范式,经过这套框架训练的 744B GLM-5.2 模型,在长时序工具调用基准拿到 56.6 分,分数追平 Claude Opus 5。

问题 2:ToolSpace 作为探索环境合成新范式,和以往的环境合成思路差别在哪?

回答 2:ToolSpace 是工具优先的合成思路,从真实执行轨迹挖掘工具依赖关系、合成跨环境任务;传统方案是先生成数据库场景再做任务,大多局限单一环境,工具逻辑容易失真。

问题 3:ToolSpace 除了让 744B 模型追平 Claude Opus 5,小模型也能受益吗?

回答 3:可以,ToolSpace 同样能提升小模型工具能力,Qwen3.6-35B 经过训练后平均分从 23.0 提升至 41.0,强化学习优化后最高 43.2 分。

【参考资料】

[2026-11-17](744B 模型追平 Claude Opus 5,人大复旦提出 ToolSpace 探索环境合成新范式)新浪财经

[2026-11-17](ToolSpace:面向长时序智能体的工具中心环境合成框架发布)机器之心

[2026-11-03](ToolSpace: Scaling Tool-Centric Environment Synthesis for Long-Horizon Agents)arXiv

【免责声明】

本内容信息来自 arXiv 论文、学术媒体公开报道,ToolSpace 框架、744B 模型的效果仅基于指定 Benchmark 测试结果,不同评测集、真实业务场景表现会存在差异,本内容不构成模型选型、商业落地的决策依据。

本文来自作者[素频驻留]投稿,不代表岳鹿科技网立场,如若转载,请注明出处:https://www.newsyuelu.com/kjyw/202611/1206.html

赞 (2)
反馈

发表回复

本站作者后才能评论

评论列表(4条)

  • 素频驻留
    素频驻留 2026年11月18日

    我是岳鹿科技网的签约作者“素频驻留”!

  • 素频驻留
    素频驻留 2026年11月18日

    希望本篇文章《人大复旦上交提出 ToolSpace 新范式,744B 大模型训练后追平 Claude Opus 5》能对你有所帮助!

  • 素频驻留
    素频驻留 2026年11月18日

    本站[岳鹿科技网]内容主要涵盖:互联网行业的追踪与探索

  • 素频驻留
    素频驻留 2026年11月18日

    本文概览:人大、复旦、上海交大联合团队发布 ToolSpace 工具中心式环境合成框架,这套新范式一改过去先造数据再生成任务的思路,用真实工具调用轨迹搭建可验证的跨环境训练样本,基于该框架训练的 GLM-5.2 744B 模型,在七组长时序工具调用基准测试拿到 56.6 分,和 Claude Opus 5 分数持平,同时 35B 规模的 Qwen 小模型也获得明显能力提升,整套方案、数据集、代码全部开源,主要用来解决 AI 智能体跨多个工具环境编排任务、长流程调用容易出错的痛点。

联系我们

联系:143 0457 151

工作时间:周一至周五,9:30-18:30,节假日休息

关注我们