omarsar0· @omarsar0 · X·· 3 小时前AI 评分
Data World：从零构建数据分析环境的 RL 训练引擎
Data World 提出一个从零构建数据分析环境的引擎，先记录生成数据集的机制，再产出文件、任务与评分标准，使开放式结论可被独立审计验证。用其 2,135 个任务对 Qwen3.6-35B-A3B 做 RL 训练（不使用蒸馏轨迹），在 DABstep-Hard 上提升 20.9 分，DAComp 提升 14.28 分，JobBench 提升 12.13 分。
一篇关于从零构建数据环境的扩展的论文，写得不错。
他们构建了一个能从零开始创建数据分析环境的引擎。他们应用了强化学习，在 DABstep-Hard 上提升了 20.9 个百分点。
Data World 首先写下生成数据集的机制，然后生成文件、任务和评分标准。由于生成过程是已知的，开放式发现可以被验证，独立审计也确认每个答案都能从文件中复现。
在这些任务中的 2,135 个上用强化学习训练 Qwen3.6-35B-A3B，不使用蒸馏轨迹，在 DAComp 上也提升了 14.28 个百分点，在 JobBench 上提升了 12.13 个百分点。
这个基准测试的发现同样有价值。十个前沿模型算对数字的频率高于从数字中得出正确结论的频率。
arxiv.org/abs/2610.21656
Chat with Paper: academy.dair.ai/papers/data-…
来源：omarsar0 · x.com