把公开文档改写后合成约1万条训练样本，35B学生模型在CL-bench上从13.7%升到24.6%，接近万亿参数前沿模型
该工作提出一条无需人工标注的合成监督流水线：对3,515篇公开文档做实体改名与数值扰动等深度改写，用大模型生成需要依赖文档才能回答的问题与评分细则，并通过“有文档/无文档”评分差距检查只保留真正依赖上下文的样本，共得到约9,625条训练样本；用它做SFT把Qwen3.6-35B-A3B在CL-bench上从13.7%提升到22.8%，再加评分细则奖励的RL达到24.6%，与Qwen3.8-2.4T的23.9%相当，并在长上下文理解、指令遵循和推理上出现广泛迁移，而代码与知识类基准基本持平。