arXiv cs.AI· Hongchen Wei, Daohong Ying, Zhi Hong, Aidan Wu, Bei Liu, Ruichun Ma, Yifan Yang, Qi Dai, Kai Qiu, Rui Xu, Dongdong Chen, Zhenzhong Chen, Chong Luo·· 11 小时前AI 评分52
OfficeTown：用生成式组织仿真为智能体提供工作场景数据
OfficeTown: Generative Organizations for Evolving Agent Intelligence
AI 导读
论文提出 OfficeTown，一个面向专业组织的生成式仿真框架，可根据组织的自然语言描述初始化成员分工、委派任务并评审交付物，产物与未决事项会持续影响后续工作。
正文 · AI 翻译
作者：Hongchen Wei、Daohong Ying、Zhi Hong、Aidan Wu、Bei Liu、Ruichun Ma、Yifan Yang、Qi Dai、Kai Qiu、Rui Xu、Dongdong Chen、Zhenzhong Chen、Chong Luo
摘要：AI 智能体越来越多地使用文件和软件工具来产出专业交付物。此类工作依托于跨任务积累的材料、决策与反馈。我们提出 OfficeTown，一个面向专业组织的生成式仿真框架，其中任务及其上下文源自持续进行的组织工作。根据对组织宗旨与活动的自然语言描述，OfficeTown 初始化一个组织，其成员协调工作、将限定范围的委派任务交给助手智能体，并审阅其交付物。产物、决策与未决事项会持续保留并影响后续工作，而职责与权限决定每位成员能看到什么、能做什么。我们将工作请求、其上下文与审阅反馈整理为可执行资源，用于评估与学习。我们基于八个专业领域的 23 个模拟组织构建了包含 406 个任务和 4,836 条评估标准的 OfficeTown Bench，并融入了领域专家的反馈。前沿模型评估显示仍有相当大的提升空间。在 OfficeTown 数据上进行监督微调和同策略蒸馏，可显著提升 Qwen3.5-9B 在外部专业工作基准（包括 GDPval）上的表现。补充评估表明，主体—助手式测试框架的得分高于所测试的单智能体和多智能体基线。这些结果凸显了组织仿真在为通用智能体的持续发展生成有工作依据的数据与环境方面的价值。
| 学科： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.23194 [cs.AI] |
| （或 arXiv:2610.23194v1 [cs.AI] 为本版本） | |
| https://doi.org/10.48550/arXiv.2610.23194 arXiv 通过 DataCite 签发的 DOI（待注册） |
提交历史
来自：Hongchen Wei [查看邮箱]
[v1]
2026年10月16日星期五 09:32:16 UTC（6,114 KB）
来源：arXiv cs.AI · arxiv.org