SynCo 让合成器与解题器在同一在线批次中联合优化，八个数学推理基准平均达 78.72%
SynCo 把智能体式数据合成与任务求解建模为耦合的多智能体强化学习问题，用同一在线交互批次同时更新一个合成器和一个解题器：解题器获得逐条 rollout 的正确性奖励，合成器获得由任务质量、答案可靠性与结果接地可教性门控的任务级奖励，二者更新再反馈进下一轮合成。在八个数学推理基准上，SynCo 平均准确率 78.72%，高于冻结合成器变体的 75.85% 与最强外部基线 ScaleQuest-Math 的 74.96%，且增益主要来自初始模型未能解出的题目。