arXiv cs.CL· Qisheng Su, Hanchen Wang, Guanru Zhu, Huicheng Jiang, Qiuyinzhe Zhang, Kou Shi, Zhen Fang, Ziao Zhang, Qingnan Ren, Honglin Guo, Jiazheng Zhang, Zehui Chen, Tao Gui, Feng Zhao·· 12 小时前AI 评分43
GraphForge：用图锚定工作区合成训练工作型智能体
GraphForge: Training Working Agents with Graph-Anchored Workspace Synthesis
AI 导读
GraphForge 是一个基于证据图的框架，从职业种子出发为每个种子组装真实文件工作区并构建证据图，任务描述与评分标准均由图派生，使每条标准都锚定到可验证的文件。
正文 · AI 翻译
作者：Qisheng Su、Hanchen Wang、Guanru Zhu、Huicheng Jiang、Qiuyinzhe Zhang、Kou Shi、Zhen Fang、Ziao Zhang、Qingnan Ren、Honglin Guo、Jiazheng Zhang、Zehui Chen、Tao Gui、Feng Zhao
摘要：工作型智能体需要读取各类文件、协调工具并产出交付物。训练此类智能体需要基于大量真实文件构建、且结果可验证的任务，但用于合成这类数据的流水线很少。现有流水线要么用模型生成文件，缺乏真实性与多样性；要么在真实文件上构建任务却没有任务专用的验证器，导致结果质量无从检查。我们提出 GraphForge，一个基于证据图的框架，将任务及其验证都锚定在真实文件上。GraphForge 从以职业为依据的种子出发以实现可控多样性，为每个种子组装一个由真实文件构成的工作区，并基于文件间关系构建证据图。由于任务陈述和评分标准均源自该图，任务要求有工作区文件作为支撑，每条标准都锚定到验证它所需的文件。初始 rollout 进一步检验可执行性，修订智能体则对照原始文件修复任务和评分标准，之后才收集轨迹。在 2,169 条 GraphForge 轨迹上微调 Qwen3.6-27B，使 GDPVal 在 OpenHands 下达到 1445.7（+65.7），Workspace-Bench-Lite 和 SpreadsheetBench II 在 Claude Code 下分别达到 63.7（+7.7）和 24.0（+13.7）。对 SFT 模型自身 rollout 进行拒绝微调，并用证据锚定的评分标准筛选候选，在三个基准上均带来进一步提升，表明评分标准提供了有用的选择信号。
| 学科： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2609.38923 [cs.CL] |
| （或本版本使用 arXiv:2609.38923v3 [cs.CL]） | |
| https://doi.org/10.48550/arXiv.2609.38923 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Qisheng Su [查看邮箱]
[v1]
2026年9月30日 星期三 04:07:17 UTC（340 KB）
[v2]
2026年10月4日 星期日 14:53:13 UTC（340 KB）
[v3]
2026年10月22日 星期四 05:33:22 UTC（340 KB）
来源：arXiv cs.CL · arxiv.org