ToolSpace从工具依赖合成跨环境任务,报告长程智能体训练收益(在新窗口打开)人大、复旦等团队提出ToolSpace,从执行轨迹构建工具组合图并合成可验证任务。744B模型在论文所列七项基准的平均分达到56.6,与所列Claude Opus 5平均成绩持平。