arXiv cs.AI· Ziyang Zeng, Tingyang Chen, Jia Deng, Qiyao Wang, Shuo Tang, Yike Yang, Tao Ren, Wayne Xin Zhao, Feng Chang, Jujie He, Chuan Hao, Ran Tao, Bryan Dai·· 12 小时前AI 评分48
WorkFactory：将专业意图转化为可执行任务，用于可扩展的智能体训练
WorkFactory: Turning Professional Intents into Executable Work for Scalable Agent Training
AI 导读
WorkFactory 框架从专业意图出发，通过信息级规划构建信息支撑图并引导任务实例化，再用探测执行识别支撑失败并修复，共构建覆盖 612 种职业的 112,686 个任务。
正文 · AI 翻译
作者：Ziyang Zeng、Tingyang Chen、Jia Deng、Qiyao Wang、Shuo Tang、Yike Yang、Tao Ren、Wayne Xin Zhao、Feng Chang、Jujie He、Chuan Hao、Ran Tao、Bryan Dai
摘要：为工作型智能体扩展监督训练，需要多样化的专业任务，以产出可靠的专家示范。然而，任务信息缺失或不一致可能阻碍教师执行，并削弱由此产生的监督信号。我们提出 WorkFactory，一个用于构建连贯且可执行专业任务的可扩展框架。从专业意图出发，信息级规划构建信息支撑图以指导任务实例化，显式表示预期输出所需信息的依赖关系与位置。随后通过探测执行识别支撑失败，并在保留预期工作的前提下指导修复。我们构建了涵盖 612 种职业的 112,686 个任务，并利用收集到的教师轨迹在 4B、27B 和 35B-A3B 规模上微调 Qwen 模型，得到 WorkPilot 系列。三个模型在四项专业工作基准上均优于各自的基座模型，其中 WorkPilot-35B-A3B 在 GDPval-AA v2.1 上的 Elo 从 879 提升至 1565。扩展性分析揭示了随模型而异的收益递减现象，执行长度先增加后减少。受控组件分析表明，规划与修复减少了探测诊断出的任务环境缺陷，并提升了下游性能。数据和模型可在 此 https URL 获取。
| 学科： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.37161 [cs.AI] |
| （或 arXiv:2610.37161v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.37161 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Tingyang Chen [查看邮箱]
[v1]
2026年10月27日星期二 12:54:16 UTC（816 KB）
来源：arXiv cs.AI · arxiv.org