В финансовом анализе ответ часто зависит от сведений из нескольких документов и последовательности вычислений. Navalia — описанный авторами препринта подход, который связывает документы компаний, подтверждающие факты и вычислительные цепочки, а затем использует синтезированные задачи для дообучения агента. Авторы сообщают об улучшении базовой модели на пяти бенчмарках. По доступным выдержкам нельзя привести численные результаты и оценить величину выигрыша; независимых тестов среди использованных здесь источников нет.
Исследовательский вопрос: как сделать задачи проверяемыми
В препринте Navalia: Advancing Cowork Agents through Verifiable Task Synthesis and Long-Horizon Post-Training авторы рассматривают обучение агента, который планирует действия, пользуется инструментами и выполняет многошаговую работу с документами. Для финансового анализа ему требуется не только найти число, но и связать его с подтверждением в отчёте, учесть смысл метрики и выполнить нужные расчёты.
Вопрос исследования — как автоматически создавать задачи, у которых прослеживаются исходные факты и проверяется ответ, а затем использовать их для дообучения агента. Практический смысл такого подхода — возможность проверять связь между документом, данными и расчётом в учебном примере. Это не равнозначно гарантии правильной работы с любым реальным отчётом: результат зависит и от извлечения сведений, и от того, верно ли истолкованы показатели.
Как документы и факты становятся основой задания
Авторы описывают представление финансовых отчётов в двух связанных видах. Документы задают среду, в которой агент ищет информацию, а прослеживаемые факты из этих документов используются для составления и проверки задач. Так можно сопоставить вопрос не только с итоговым ответом, но и с данными, на которых он основан.
Для выбора подтверждающих сведений, по описанию авторов, языковая модель семантически отбирает факты из полных наборов фактов документов-кандидатов. Такой выбор призван уменьшить риск пропусков при предварительном отборе по жёстким правилам. Метод также проверяет определения метрик и охват отчётности: одинаковое название показателя само по себе не гарантирует, что сравниваются один и тот же показатель и сопоставимые периоды.
Например, вопрос об изменении показателя между периодами требует найти оба значения, убедиться, что они относятся к одной метрике, а затем корректно вычислить разницу или темп изменения. Это иллюстрирует логику подхода, а не отдельный измеренный результат препринта.
Зачем задаче вычислительная цепочка
В Navalia задача может содержать исполняемую цепочку вычислений с зависимостями между исходными данными. Это даёт возможность проверять не только итоговое число, но и то, какие значения в расчёт вошли. Для многошагового анализа это важно: правильный по форме ответ может быть основан на неверном документе или неподходящем показателе.
В выдержке из статьи перечислены три элемента проверки: детерминированное выполнение сложных вычислений, независимый обзор языковой моделью и программные проверки согласованности вопроса, подтверждений, процесса вычисления и эталонного ответа. Детерминированное выполнение помогает контролировать арифметику, но само по себе не подтверждает, что исходные сведения извлечены из верного места и поняты правильно. Поэтому проверка фактов и смысла метрик остаётся отдельной частью метода.
От синтезированных задач к дообучению
Авторы описывают двухэтапное дообучение: сначала cold-start supervised fine-tuning (SFT), затем reinforcement learning (RL). В их изложении обратная связь распространяется по этапам траектории, чтобы итоговая оценка могла влиять и на более ранние действия поиска и анализа.
Такой замысел направлен на обучение последовательности действий, а не только выдаче конечного ответа. Однако по доступным выдержкам нельзя установить, какой вклад в результат внесли синтез задач, SFT, RL или их сочетание. Для такого вывода нужно сопоставить результаты отдельных вариантов обучения; здесь численные итоги этих сравнений не представлены.
Что сообщают авторы о пяти бенчмарках
В доступном фрагменте авторы указывают, что построили Navalia на Qwen3.6-35B-A3B и оценивали её на пяти бенчмарках, охватывающих анализ документов, финансовый поиск и общие офисные задачи. Они сообщают об улучшении относительно базовой модели на всех пяти и о результатах, сопоставимых с некоторыми другими системами. Эти формулировки передают вывод авторов, а не независимую оценку.
Числа из таблицы результатов в доступных выдержках не приведены, поэтому здесь нельзя указать величину прироста или разобрать, на каких конкретно бенчмарках и относительно каких систем Navalia уступает либо выигрывает. Полный препринт доступен по ссылке выше. В использованных для этого разбора источниках независимых тестов нет.
Для практического финансового анализа результаты на бенчмарках — основание изучать метод, но не подтверждение надёжности в рабочем процессе. Там необходимо отдельно контролировать качество исходных документов, извлечение фактов, согласованность определений и вычисления. Описанная проверяемость помогает проследить учебную задачу, однако доступные сведения не устанавливают, насколько хорошо этот механизм переносится на реальные отчёты.
Версия препринта датирована 13 октября 2026 года; запись о нём появилась в ленте 21 октября. Это даты разных событий. В целом Navalia предлагает конкретную схему: связать документы с фактами, строить задачи с проверяемыми вычислительными зависимостями и обучать агента сначала на примерах, затем с подкреплением. Заявленный авторами рост на пяти бенчмарках поддерживает интерес к подходу, но без чисел и независимой оценки не отвечает на вопрос о размере и практической устойчивости эффекта.
