动态场景合成框架提升LLM智能体适应性

01 摘要

针对现有训练环境大多静态、难以反映外部事件引发计划失效的问题，作者提出DynaWeave框架，利用有向无环图表示事件依赖并在交互中动态激活事件，同时用动态验证器只修订受实际发生事件影响的检查项。基于该框架收集了36个环境中的2,095条验证轨迹，对Qwen3.5模型进行监督微调；在Gaia2、CostBench和ToolMaze上的实验表明各规模模型整体性能均有提升。作者认为动态场景合成是训练智能体适应变化环境的实用途径，但结论基于特定模型与基准，跨环境泛化仍需进一步验证。

02 关键点

1. DynaWeave将静态任务自动转化为含需求变更、环境状态变化和外部信息更新的可验证动态场景。
2. 框架用有向无环图管理外生事件依赖，动态验证器仅修订受实际发生事件影响的评估检查项。
3. 在36个环境收集2,095条验证轨迹微调Qwen3.5后，三个基准上各模型规模均获整体性能提升。
4. CostBench任务完成率提升67.34个百分点，ToolMaze上甚至超过Gemini-3.1-Pro-Preview的表现。