训练环境与训练信号的三重突破——ToolSpace、Targeted Guidance、Navalia 三篇精读
长程 agent 的瓶颈正从模型转向训练环境与训练信号。ToolSpace 从二十万余条真实 MCP 轨迹挖依赖边构建 77,760 节点工具图，以重放验证的跨环境任务把 Qwen3.6-35B-A3B 从 23.0 拉到 41.0，744B 版追平 Claude Opus 5；Navalia 用财务报告双视图、可执行计算链与多阶段验证合成任务，SFT 加 RL 让 35B 模型五基准全面超基座；Targeted Guidance 用反馈条件化专家自蒸馏教 RL 学不会的支持集外行为，七项风格判据全学会且 pass rate 不回退。