过去一年多，tool use 后训练的主流打法是「造环境」：用程序合成海量可执行环境，让模型在里面反复试。这条路线确实把数据规模推了上去，但前提是环境返回的结果是可靠的，任务本身是可完成的，验证器能够正确判断成败。四者不咬合，训练信号就会被污染

华东师大、复旦等团队提出 WEFT（Whole-system Evolution For Tool-use Post-Training）：把工具调用后训练从「造环境」升级成「造系统」，让 Agent 的练习场在执行反馈里自己进化。14B 模型在三个基准上反超同尺寸最强基线，Claw-Eval 一项拉开 12.27 个百分点
#agent后训练 #workspace #agent训练 #Agent训练数据 #howto实现一万种vibecoding #大模型 #人工智能发展 #领域驱动设计