arXiv cs.CL· Teng Pan, Zixuan Wang, Yuchen Yan, Qifei Wu, Yao Chen, Yingqi Qu, Ruiqing Zhang, Yongliang Shen·· 11 小时前AI 评分38
Agent-R²：用真实来源数据合成扩展智能体，4B 模型超越 Qwen3-235B-A22B-Thinking-2507
Agent-R$^2$: Scaling Agents for Realistic Productivity Work via Real-Source Data Synthesis
AI 导读
Agent-R² 是一个面向真实生产力工作的真实来源数据合成框架，从 1 万个网络语料候选中蒸馏出 4k 个任务实例，配以真实多格式附件和交付物级评分标准。
正文 · AI 翻译
摘要：大型语言模型在智能体推理与工具使用方面取得了快速进展，人们因此期待智能体能够接手人类现实中的生产力工作。然而，当前智能体仍难以完成这类任务，因为成功需要遵循长周期的专业工作流程、理解异构的文件上下文，并在细粒度要求下产出可用的交付物。一个关键瓶颈在于缺乏可扩展的后训练数据，这些数据应能反映真实的工作意图、真实的文件环境和交付物级别的评估。为弥补这一差距，我们提出 Agent-R$^2$，一个 $\textbf{r}$eal-source 数据合成框架，用于为 $\textbf{r}$ealistic 生产力工作扩展训练数据。Agent-R$^2$ 不依赖人工指定的工作流程或 LLM 生成的文件，而是将整个流程中的合成建立在真实职业种子、语料库衍生的流程证据以及真实网络来源文件之上。从 1 万个网络语料候选者中，Agent-R$^2$ 蒸馏出 4 千个任务实例，这些实例将真实的多格式附件与细粒度的交付物级评分标准配对。基于这些数据，我们通过监督微调和基于评分标准的强化学习训练了 Agent-R$^2$-4B，提升了端到端生产力表现和基于文件的推理能力。仅用 4 千个实例训练，Agent-R$^2$-4B 在 GDPval（51.0$\%$ 对 48.0$\%$）和 OfficeQA（14.8$\%$ 对 13.8$\%$）上均超过了 Qwen3-235B-A22B-Thinking-2507。进一步分析表明，Agent-R$^2$ 缓解了捷径行为，即智能体在充分接地、构建或验证之前就产出表面看似合理的交付物，同时促进了持续探索。
| 学科： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2611.08219 [cs.CL] |
| （或 arXiv:2611.08219v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.08219 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Teng Pan [查看邮箱]
[v1]
2026年11月5日 星期四 16:08:05 UTC（2,732 KB）
来源：arXiv cs.CL · arxiv.org