数据智能体要用代码处理杂乱文件、得出分析结论，但训练它们一直卡在三件事：环境要人工精心搭建、真实数据牵扯隐私与版权、开放式结论又难以验证。10 月 15 日提交的论文 Data World（编号 2610.21656）的核心思路很巧：与其事后去收拾现成文件，不如先造出文件背后的「世界」。
先造世界，再造文件
Data World 是一个多智能体引擎，做法是先把「文件背后那套机制」显式定义出来——比如一张表里各字段怎么互相决定、一笔交易遵循什么规则。有了这个世界，引擎再去合成对应的文件、任务和评分量规。更关键的一步是独立审计：它会检查「从已经看到的文件，能不能反推出真实答案」，确保任务确实可解、结论可验证。这样一来，生成数据不再靠人工攒，也不再担心真值无从核。基于这个引擎，论文筛出 50 个留出的世界、16 个领域的 100 道任务组成 DataWorld-Bench，还顺手产出了来自 1037 个世界的 2135 道训练任务。
合成数据训出的 35B 涨点
论文用这些合成任务做 RL-zero 训练，从 Qwen3.6-35B-A3B 出发，不依赖轨迹蒸馏，训出了 DataWorld-35B-A3B。在统一评测下，它比基座在 DataWorld-Bench 上高 7.06 分，在 DAComp 上高 14.28，在 DABstep-Hard 上高 20.90，在更宽泛的职业基准 JobBench 上也高 12.13。值得注意的不是单点分数，而是「计算」和「洞察」之间的落差：模型能算出结果，却常常给不出为什么——这个 gap 在多个模型上一致出现，说明数据智能体离「会分析」还有一段路。
「会算」与「会分析」之间的鸿沟
论文里最值得从业者留意的一点，是「计算」与「洞察」的落差：模型往往能把数算对，却给不出为什么——这个 gap 在多个被测模型上一致出现。对做数据分析智能体的人来说，这恰好点出了当前产品的软肋：把表连上、把 SQL 跑通只是基础环节，真正的价值在「看出门道」那一环，而这一环恰恰最难靠合成数据喂出来。Data World 把可验证的任务造出来了，但「如何衡量一个智能体是不是真有洞察」本身仍是开放问题，这也是它后续要把世界与任务做成可扩展测试床的原因之一。
给训练数据供给一条新路
Data World 的增量认知在于把「数据从哪来」这件事重新设计了一遍：把世界机制当成源头输入，任务和量规都是它的衍生物，可验证性由工程保证而非靠人工标注良心。对做数据分析智能体的团队，它提供了一种可规模化的训练数据供给——不必再为每一个新场景手工堆环境，也能拿到带真值、可复核的练习场。当然，合成世界的保真度上限由机制定义的质量决定，真实业务的千奇百怪它未必覆盖得全。
目前官方及行业暂未披露更多细节，包括各基准的评测协议细则与开源计划，后续将持续跟进迭代动态。这篇把「怎么给数据智能体造练习场」从手艺活，推进成了可复制的引擎。