WorkRover：通过递归环境演化扩展长程 cowork agent 训练

WorkRover 提出递归环境演化框架，用于通过强化学习训练长程 cowork agents，并同步构建工作上下文、可执行任务和验证器。研究者基于 Qwen3.5-35B-A3B 后训练得到 WorkRover-35B-A3B，在 JobBench、OfficeQA Pro 和 GDPval v2 上分别提升 26.27 个百分点、29.32 个百分点和 413.25 Elo。