POSEIDON：从代码仓库规模化构建科学智能体训练环境

训练环境仍然是智能体开展数据驱动科学发现的一大瓶颈。现有可执行、可验证的训练环境集合规模较小，其构建过程也难以规模化。为解决这一局限，我们提出 Poseidon，这是一条自动化流水线，可从科学代码仓库中大规模生成多样化、可验证的训练环境。在相同的代码仓库预算下，Poseidon 提取的训练环境数量接近先前方法的 10 倍，这是通过将科学工作流分解为四种互补的任务类型实现的：复现、子流程、补全和纠错，每种类型都针对科学研究中的一项不同能力。递归改进循环进一步优化未通过验证的候选环境，挽回原本会被丢弃的环境。利用 Poseidon，我们构建了 Pearl，其中包含从 7,110 个公共代码仓库中生成的 97,659 个可执行、可验证的环境，覆盖 10 个科学学科。据我们所知，Pearl 是迄今为止规模最大、跨学科覆盖最广的科学智能体训练环境集合。在 Pearl 上训练的 Qwen3.5 模型（9B、27B 和 35B-A3B）在六项具有挑战性的科学智能体基准测试中均取得了稳定提升。总体而言，Pearl 的规模和多样性为训练科学发现智能体提供了机遇。