مقاله‌ی arXiv:2610.21656 · در صف خبرنامه
Data World: Scaling Data Environments from Scratch
ساختن محیط‌های تمرین برای ایجنت‌های تحلیل داده از صفر: اول دنیای پشت فایل‌ها، بعد خود فایل‌ها
- تاریخ
- (۲۳ مهر ۱۴۰۵) 2026-10-15 تأییدشده از روی تاریخ ارسال نسخه‌ی اول در آرکایو
- نویسنده‌ها
- Zhanli Li, Zeyuan Xu, Chaoxu Pang, Zeyuan Liu, Anyang Ji, Te Sun, Kongcheng Zhang, Wenbo Xu, Xubin Yue, Shipeng Luo, Junjie Zhao, Yingfan Hua, Jingqing Ruan, Zhongda Su, Feng Hong, Zhizhao Zeng, Ke Zeng, Xunliang Cai, Hanjia Ye
- نهاد نویسنده‌ها
- Meituan (Longcat Interaction Team), Zhongnan University of Economics and Law, Hunan University
- برچسب لابراتوار
- موضوع‌ها
خلاصه‌ی فارسی
مسئله
ایجنت‌های داده با کدنویسی فایل‌های ناهمگون را پردازش می‌کنند و از آن‌ها نتیجه‌ی تحلیلی می‌گیرند. آموزش این ایجنت‌ها در مقیاس بزرگ سخت است: ساختن محیط گران است، داده‌ی واقعی محدودیت حریم خصوصی و مالکیت دارد، و بررسی درستی یافته‌های باز وقتی حقیقت پشت داده معلوم نیست تقریباً ناممکن است. مثلاً اگر ایجنت بگوید «فروش به خاطر تخفیف بالا رفت»، از کجا بدانیم درست است؟
روش
ایده‌ی اصلی این است که اول سازوکار دنیای پشت فایل‌ها تعریف شود و بعد فایل‌ها از روی آن ساخته شوند. موتور چندایجنتی Data World از روی سازوکارهای صریح، محیط، تسک و معیار ارزیابی می‌سازد. بازرسی‌های مستقل چک می‌کنند که جواب واقعاً از فایل‌های دیده‌شده قابل استخراج باشد، و معیارها هم برای ارزیابی و هم برای پاداش یادگیری تقویتی به کار می‌روند. با انتخاب انسانی برای واقع‌گرا بودن سؤال‌ها، بنچمارک DataWorld-Bench با ۱۰۰ تسک از ۵۰ دنیای کنار گذاشته‌شده در ۱۶ حوزه ساخته شد، و ۲۱۳۵ تسک آموزشی از ۱۰۳۷ دنیای جدا.
یافته‌ها
- ارزیابی ده مدل پیشرو نشان داد بنچمارک هنوز سخت است، به‌خصوص در کشف بینش، و همیشه فاصله‌ای بین درست انجام دادن محاسبه و رسیدن به نتیجه‌ی درست هست.
- آموزش با یادگیری تقویتی از صفر روی تسک‌های ساخته‌شده، بدون تقطیر مسیر، از مدل
Qwen3.6-35B-A3Bمدل DataWorld-35B-A3B را ساخت. - این مدل نسبت به مدل پایه ۷٫۰۶ امتیاز در DataWorld-Bench، ۱۴٫۲۸ در DAComp، ۲۰٫۹۰ در DABstep-Hard و ۱۲٫۱۳ در بنچمارک شغلی گسترده‌تر JobBench بهتر شد.
محدودیت‌ها
نویسنده‌ها می‌گویند به خاطر وابستگی تنگاتنگ اجزای ساخت و هزینه‌ی دوباره ساختن دنیاها، نتوانسته‌اند سهم هر جزء را جدا بسنجند؛ نتایج سودمندی کل چارچوب را نشان می‌دهد، نه بهینه بودن هر جزء.
چرا مهم است
کمبود محیط تمرین قابل بررسی، گلوگاه آموزش ایجنت‌های تحلیل داده است. ساختن دنیا پیش از ساختن داده، هم مشکل حریم خصوصی را حل می‌کند و هم جواب درست را از اول معلوم نگه می‌دارد.