论文概述

arXiv 新论文《Navalia: Advancing Cowork Agents through Verifiable Task Synthesis and Long-Horizon Post-Training》提出 Navalia 框架，目标是提升 LLM Agent 在长程任务中的自主规划、工具使用和复杂任务执行能力。论文编号为 arXiv:2610.26887，提交于 2026-10-13，属于 cs.AI 分类，作者包括 Hengqi Liu 等，全文 13 页、2 张图。来源页面标注的发布时间为 2026-10-22 04:00:00。

论文指出，LLM Agent 正在从对话助手演化为 Cowork Agents，即能够自主规划、调用工具并执行复杂任务的协作型智能体。金融分析是典型场景：Agent 需要整合跨文档证据，并完成多步数值推理。但专家编写高质量任务成本很高，直接让 LLM 合成任务又难以保证题目足够有挑战且答案可靠。

Navalia 的核心思路是将“可验证任务合成”与“长程后训练”结合。它以公司财务报告为数据源，从完整事实集中语义选择支持证据，并构建可执行计算链，生成带有可追溯证据、步骤之间存在真实数据依赖的分析任务。随后使用独立 LLM 审核和程序化检查，验证证据一致性与答案正确性。验证后的任务被用于轨迹收集、冷启动监督微调（SFT）和强化学习（RL），以提升长程任务执行能力。

论文以 Qwen3.6-35B-A3B 作为初始化模型，在五个基准上相较基座模型取得一致提升：OfficeQA Pro、FinSearchComp、Finance Agent Benchmark、APEX-Agents-AA 和 Workspace-Bench-Lite。作者表示，这表明 Navalia 改善了证据整合、工具使用和长程任务执行能力，并可泛化到更广泛的 Cowork 场景，包括通用办公任务。具体提升数值、训练数据规模、RL 算法细节等，原文摘要未说明。

关键技术点

  1. 基于财务报告的可验证任务合成
    Navalia 使用公司财务报告作为数据源，从完整事实集中语义选择支持证据，再构造可执行计算链来生成分析任务。任务中的步骤之间存在实际数据依赖，证据也可追溯。这意味着答案不是自由生成的文本，而是可以由计算链和证据体系支撑的结果。

  2. 独立 LLM 审核与程序化检查
    生成任务后，Navalia 使用独立 LLM 审核和程序化检查来验证证据一致性与答案正确性。原文未说明独立审核所用模型、程序化检查的具体规则，以及人工复核所占比例。

  3. 从合成任务到长程后训练
    验证后的任务被用于