Fugu-MT 論文翻訳(概要): NexForge: Scaling Executable Agent Tasks via Requirement-First Synthesis

論文の概要: NexForge: Scaling Executable Agent Tasks via Requirement-First Synthesis

arxiv url: http://arxiv.org/abs/2607.14186v1
Date: Wed, 15 Jul 2026 15:34:01 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-17 17:01:32.857072
Title: NexForge: Scaling Executable Agent Tasks via Requirement-First Synthesis
Title（参考訳）: NexForge: 要求第一合成による実行可能なエージェントタスクのスケーリング
Authors: Jiarong Zhao, Zhikai Lei, Zhiheng Xi, Rui Zheng, Hang Yan, Jie Zhou, Qin Chen, Liang He,
Abstract要約: NexForgeは要件優先のフレームワークで、フリーフォームの能力要件を実行可能なエージェントトレーニングデータにコンパイルする。 3600のターミナルタスクと2000のオフィスタスクを生産し、Qwen3.5-35B-A3Bベースを22.5%から52.0%に改善した。 NexForge合成データは、公開されているエージェントモデルのファミリーであるNex-N2のトレーニングに寄与する。
参考スコア（独自算出の注目度）: 34.42399339869598
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Scaling executable agent training data is bottlenecked by substrate-first methods that tie task generation to predefined tools, repositories, or skill graphs: expanding coverage requires manual expansion of the substrate, each new domain demands a bespoke pipeline, and the resulting task distributions often reflect substrate convenience rather than real-world demand. We introduce NexForge, a requirement-first framework that compiles free-form capability requirements into executable agent training data. NexForge first performs research-based demand discovery to identify representative task forms, realistic scenarios, and their relative prevalence. It then applies distribution-aware task compilation and automatically retrieves or constructs the files, repositories, dependencies, and runtime configurations required to materialize each task, followed by teacher rollout collection and trajectory distillation. The same pipeline, without any domain-specific infrastructure, produces 3,600 terminal tasks and 2,000 office tasks, improving Qwen3.5-35B-A3B Base from 22.5% to 52.0% on Terminal-Bench 2.0 and from 813 to 1338 Elo on GDPval; scaling to 43.2K terminal tasks reaches 58.4%, surpassing Claude Opus 4.6. Scaled further, NexForge-synthesized data contributes to the training of Nex-N2, a family of publicly available agent models that lift Qwen3.5-35B-A3B to 75.3% on Terminal-Bench 2.1 and to 1585 Elo on GDPval -- achieving state-of-the-art open-source performance and surpassing several frontier proprietary systems. Nex-N2 models are available at https://nex.sii.edu.cn/
Abstract（参考訳）: 実行可能エージェントのトレーニングデータのスケーリングは、タスク生成を事前に定義されたツールやリポジトリ、あるいはスキルグラフに結びつけるための、基質優先の手法によってボトルネックされる。我々は、フリーフォーム機能要件を実行可能なエージェントトレーニングデータにコンパイルする、要求優先のフレームワークであるNexForgeを紹介した。 NexForgeはまず、代表的なタスクフォーム、現実シナリオ、およびそれらの相対的な頻度を特定するために、リサーチベースの需要発見を実行する。次に、分散対応タスクコンパイルを適用し、各タスクを実現するために必要なファイル、リポジトリ、依存関係、ランタイム設定を自動で取得または構築し、続いて教師のロールアウトコレクションとトラジェクトリ蒸留を行う。同じパイプラインは、ドメイン固有のインフラがなければ3,600の端末タスクと2000のオフィスタスクを生成し、Qwen3.5-35B-A3Bベースを22.5%から52.0%に改善し、GDPvalでは813から1338 Eloに改善し、43.2Kの端末タスクは58.4%、Claude Opus 4.6を上回った。さらに、NexForge合成データは、Qwen3.5-35B-A3Bをターミナルベンチ2.1で75.3%、GDPvalで1585 Eloに引き上げる公開エージェントモデルのNex-N2のトレーニングに寄与している。 Nex-N2モデルはhttps://nex.sii.edu.cn/で入手できる。

論文の概要: NexForge: Scaling Executable Agent Tasks via Requirement-First Synthesis

関連論文リスト