大型语言模型（LLM）代理正从对话助理转向能够自主规划、使用工具并执行复杂任务的协作代理（Cowork Agents）。在金融分析场景中，这类代理需要跨文档整合证据并进行多步数值推理。传统的专家任务编写成本高昂，而直接让 LLM 合成任务往往难以保证难度和答案的可靠性。
Navalia 框架通过可验证的任务合成与长时后训练相结合，解决上述难题。它以公司财报为数据源，语义筛选完整事实集合中的支持证据，并构建可执行的计算链，生成带有可追溯证据和实际数据依赖的分析任务。随后，利用独立 LLM 评审和程序化检查，对证据一致性和答案正确性进行双重验证。
经验证的任务被用于轨迹收集、冷启动监督微调（SFT）以及强化学习（RL），以提升模型在长时序任务上的执行能力。Navalia 以 Qwen3.6-35B-A3B 为初始模型，在 OfficeQA Pro、FinSearchComp、Finance Agent Benchmark、APEX-Agents-AA 和 Workspace-Bench-Lite 五个基准上均实现了相对基线的稳定提升，表明其在证据整合、工具使用和长时序任务执行方面具备显著优势，并能推广至更广泛的办公协作任务。
点评：Navalia 的可验证任务生成流程为高质量金融分析任务提供了可靠的数据管道，结合后训练策略显著提升了 LLM 在复杂、跨文档推理场景中的实用性。