资讯
arXiv 2610.04906 WorkForge：构建 1.67 万可验证长程工作 agent 环境
一句话：论文 WorkForge 从真实工作流合成 1.67 万个可验证环境、覆盖 40 个专业领域，后训练 Qwen3.5-35B 使 GDPVal 由 45.5 升至 73.6。
背景
- 论文 Scaling Verifiable Environments for Long-horizon Work Agents（10/4，cs.CL）指出：手工环境成本高、合成方法牺牲真实性与可验证性，长程工作 agent 缺好训练场。
核心要点
- WorkForge 从专家工作流出发，检索真实文件组织成工作区，抽取可核查事实锚点，据此推导任务指令、方案与程序/语义验证器。
- 构建 1.67 万可验证环境、覆盖 40 个专业领域，工作区合计 60 种文件类型。
- 后训练 Qwen3.5-35B-A3B-Base 使 GDPVal 45.5→73.6、APEX 5.0→21.3；Qwen3.5-27B 也达极具竞争力表现。
- 分析确认在数据与交互跨度上均存在一致缩放规律。
为什么重要
- 给长程工作 agent 一个「可验证、真实、可扩展」的训练场，是把 agent 从 demo 推向专业知识工作的基础设施突破。
关键事实速记
- 论文 arXiv 2610.04906（10-04）
- WorkForge 合成框架
- 1.67 万环境 / 40 领域
- GDPVal 45.5→73.6
- 一致缩放规律
📂 原文链接：查看原文 →
← 返回资讯列表
AI8899 · 内容仅供学习参考