Data agents 通过代码处理异构文件并提取分析洞察。规模化训练面临环境构建成本高、隐私与知识产权限制、以及缺乏已知生成真相导致的结果验证困难。核心思路是先定义文件背后的世界模型，再生成文件本身。我们提出 Data World，一个多代理引擎，可从显式机制合成环境、任务和评估标准。独立审计检查从观测文件中能否恢复目标；评估标准提供评分和强化学习奖励。基于人类偏好的真实感筛选，选出 100 条任务，覆盖 50 个未见世界和 16 个领域，构成 DataWorld-Bench。引擎还生成 2,135 条训练任务，来源于 1,037 个互不相同的世界。对十个前沿模型的评估表明基准仍具挑战，尤其是洞察发现方面，存在明显的计算‑洞察差距。使用 RL‑zero 在合成任务上直接微调 Qwen3.6‑35B‑A3B，得到 DataWorld-35B-A3B，无需轨迹蒸馏。匹配评估下，相比基模型提升 7.06 分（DataWorld‑Bench），14.28 分（DAComp），20.90 分（DABstep‑Hard），以及 12.13 分（JobBench）等更广泛职业基准。
点评