arXiv cs.AI· Anni Zou, Cheng Chen, Jiaji Deng, Weikang Zhou, Xinji Mai, Yue Wu, Jianing Lin, Lipeng Xie, Lixiong Qin, Qingyue Zhao, Que Shen, Shuchang Tao, Xuchen Pan, Yaliang Li, Yunpeng Zhai, Yushuo Chen, Zhihai Wang, Zhuo Zhang, Zhaoyang Liu, Bolin Ding, Jingren Zhou·· 3 天前AI 评分52
Cowork-Gym：大规模合成交互式工作环境
Cowork-Gym: Synthesizing Interactive Work Environments at Scale
AI 导读
Cowork-Gym 是一个通过 build-execute-revise 循环合成 Cowork 环境的框架，利用执行证据和评审反馈验证并修复生成的环境，并用有状态用户模拟器通过对话和直接编辑共享工作区来响应智能体动作。
正文 · AI 翻译
作者：Anni Zou、Cheng Chen、Jiaji Deng、Weikang Zhou、Xinji Mai、Yue Wu、Jianing Lin、Lipeng Xie、Lixiong Qin、Qingyue Zhao、Que Shen、Shuchang Tao、Xuchen Pan、Yaliang Li、Yunpeng Zhai、Yushuo Chen、Zhihai Wang、Zhuo Zhang、Zhaoyang Liu、Bolin Ding、Jingren Zhou
摘要：Cowork 智能体在跨工具和文件的依赖关系中导航，同时适应不断变化的用户需求以及对共享工作区的编辑。扩展此类环境需要在任务目标、可执行资源、用户行为和成功标准之间保持一致。我们提出了 Cowork-Gym，一个通过构建-执行-修订循环来合成 Cowork 环境的框架，该循环利用执行证据和评审反馈来验证和修复生成的环境。为了捕捉真实的 Cowork 动态，一个有状态的用户模拟器通过对话和对共享工作区的直接编辑来响应智能体的操作。我们在 14 个应用场景中合成了 64.9K 个环境，并使用它们通过监督微调、强化学习和同策略蒸馏对 9B、27B 和 35B-A3B Qwen 模型进行后训练。在六个智能体基准测试中平均而言，这些模型分别比其对应的基础检查点高出 8.7、6.4 和 4.1 分。Ours-27B 在评估模型中总体排名第二，并在 PawBench 和 ClawEval 上取得最高平均分，在这两个基准测试上均优于总参数量超过 100B 的模型。
| Comments: | 项目页面：this https URL |
| Subjects: | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.17670 [cs.AI] |
| （或 arXiv:2610.17670v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.17670 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Jiaji Deng [查看邮箱]
[v1]
2026年10月13日星期二 03:56:58 UTC（4,133 KB）
来源：arXiv cs.AI · arxiv.org