論文の概要: AgentMercury: Your Agent Can Synthesize Verifiable Environments for Business Scenarios at scale
- arxiv url: http://arxiv.org/abs/2608.20634v1
- Date: Fri, 21 Aug 2026 00:15:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-24 14:49:32.296169
- Title: AgentMercury: Your Agent Can Synthesize Verifiable Environments for Business Scenarios at scale
- Title（参考訳）: AgentMercury:あなたのエージェントはビジネスシナリオの検証可能な環境を大規模に合成できる
- Abstract要約: 我々は高レベルのビジネスシナリオから実行可能な環境を合成するためのフレームワークであるAgentMercuryを紹介する。
我々は14の産業と50の国にまたがる4,783の実行可能な環境を構築し、強化学習のためのトレーニング基板として利用した。
建設トレース上での微調整Qwen3.5-35B-A3Bは,維持型ビジネスシナリオにおいて,実行可能オーサリングの成功率を3.3%から83.3%に向上させることを示す。
- 参考スコア（独自算出の注目度）: 6.489568846701505
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Agents learn to act through interaction with environments, yet the environments used for training are often manually constructed or synthesized around predefined tasks and benchmarks. This task-centric paradigm makes it difficult to scale environments that reflect realistic and evolving workflows where diverse tasks can naturally emerge from the underlying world. We introduce AgentMercury, a scalable framework for synthesizing executable environments from high-level business scenarios. Rather than constructing an environment for a specific task, AgentMercury first instantiates a persistent world with entities, services, tools, state, and executable cross-service invariants, from which diverse tasks and interaction trajectories can subsequently emerge. We construct 4,783 executable environments spanning 14 industries and 50 countries, and use them as training substrates for reinforcement learning. Despite being generated without targeting the evaluation benchmarks, policies trained on these business-oriented environments improve substantially on both enterprise workflows and out-of-domain benchmarks spanning reasoning, coding, scientific computing, and tool use. In our experiments, Qwen3.5-4B improves from 12.3 to 15.7 on EnterpriseOps-GYM and from 45.9 to 56.0 on AIME26 after training on AgentMercury environments. We further show that the construction process itself can be learned: fine-tuning Qwen3.5-35B-A3B on construction traces increases executable-world authoring success from 3.3% to 83.3% on held-out business scenarios. These results show that scenario-grounded environments can provide useful and generalizable learning signals beyond benchmark-specific training, while their construction can itself become a learnable capability.
- Abstract（参考訳）: エージェントは環境とのインタラクションを通じて行動することを学ぶが、トレーニングに使用される環境は、事前に定義されたタスクやベンチマークを中心に手動で構築または合成されることが多い。
このタスク中心のパラダイムは、さまざまなタスクが下層の世界から自然に現れるような、現実的で進化したワークフローを反映した環境のスケールを困難にします。
我々は高レベルのビジネスシナリオから実行可能な環境を合成するためのスケーラブルなフレームワークであるAgentMercuryを紹介した。
特定のタスクのための環境を構築するのではなく、AgentMercuryはまず、エンティティ、サービス、ツール、状態、実行可能なクロスサービス不変量で永続的な世界をインスタンス化する。
我々は14の産業と50の国にまたがる4,783の実行可能な環境を構築し、強化学習のためのトレーニング基板として利用した。
評価ベンチマークを対象とせずに生成されるにもかかわらず、これらのビジネス指向環境でトレーニングされたポリシーは、推論、コーディング、科学計算、ツール使用にまたがる、エンタープライズワークフローと外部ベンチマークの両方で大幅に改善される。
我々の実験では、Qwen3.5-4BはEnterpriseOps-GYMでは12.3から15.7に改善され、AIME26では45.9から56.0に改善された。
細調整のQwen3.5-35B-A3B 構築トレースは実世界のオーサリング成功率を3.3%から83.3%に向上させる。
これらの結果から,シナリオグラウンド環境は,ベンチマーク特化学習を超えて,有用かつ一般化可能な学習信号を提供する一方で,その構築自体が学習可能な能力となることが示唆された。
関連論文リスト
- State2State: Environment-Derived Mid-Training for LLM Agents [67.08889234341996]
本研究では,エージェントが環境相互作用のみを通じてインタラクションと操作能力を取得する環境学習パラダイムについて検討する。
本研究では,調査対象の環境状態を学習目標に変換する環境学習手法であるState2Stateを提案する。
ALFWorldとScienceWorldの実験によると、State2Stateは、ほとんどの設定において、スタンドアロンの環境学習ステージとしてのエージェントパフォーマンスを改善している。
論文 参考訳（メタデータ） (2026-08-05T15:02:41Z) - Verifiable Environments Are LEGO Bricks: Recursive Composition for Reasoning Generalization [93.59040719904154]
本稿では,検証可能な環境を構成可能なビルディングブロックとして概念化するフレームワークであるRACES(textbfRecursive textbf Automated textbfComposition for textbfEnvironment textbfScaling)を紹介する。
RACESは300の個別環境で実装され、多様な推論パターンを誘導する合成演算子セットを定義している。
論文 参考訳（メタデータ） (2026-06-10T17:39:41Z) - Agent-World: Scaling Real-World Environment Synthesis for Evolving General Agent Intelligence [122.8626256816085]
textbfAgent-Worldは、スケーラブルな環境を通じて汎用エージェントインテリジェンスを前進させるための自己進化型トレーニングアリーナである。
Agent-World-8Bと14Bは、強力なプロプライエタリなモデルと環境スケーリングベースラインを一貫して上回っている。
論文 参考訳（メタデータ） (2026-04-20T14:01:10Z) - TRACE: Capability-Targeted Agentic Training [11.088296897059157]
環境特異的なエージェント自己改善のためのエンドツーエンドシステムであるTRACEを紹介する。
TRACEは、機能不足を特定するために、成功と失敗の軌跡を対比している。
目標とするトレーニング環境を合成し、その能力が行使されたかどうかを報奨する。
各合成環境において、LoRAアダプタをRL経由でトレーニングし、推論時に関連するアダプタにルーティングする。
論文 参考訳（メタデータ） (2026-04-07T02:22:44Z) - EnterpriseOps-Gym: Environments and Evaluations for Stateful Agentic Planning and Tool Use in Enterprise Settings [8.341628877927244]
現実的なエンタープライズ環境でエージェント計画を評価するために設計されたベンチマークであるEnterpriseOps-Gymを紹介する。
この環境では、エージェントは8つのミッションクリティカルな分野にわたる1,150人の専門家によるタスクで評価される。
14のフロンティアモデルの評価により,最先端モデルにおける限界が明らかになった。
論文 参考訳（メタデータ） (2026-03-13T21:09:39Z) - EnterpriseBench Corecraft: Training Generalizable Agents on High-Fidelity RL Environments [0.10934862523101825]
我々は,高忠実度強化学習環境におけるAIエージェントの訓練が,トレーニング分布を超えて一般化する能力を生み出すことを示す。
私たちは、Surge AIのエージェントRL環境スイートであるEnterpriseBenchの最初の環境であるCoreCraftを紹介します。
論文 参考訳（メタデータ） (2026-02-18T04:35:46Z) - Autonomous Continual Learning of Computer-Use Agents for Environment Adaptation [57.65688895630163]
ACuRLは自律的なカリキュラム強化学習フレームワークで、エージェントを人間データゼロの特定の環境に継続的に適応させる。
本研究では,環境内学習と環境横断学習の両方を効果的に実現し,既存の環境を忘れずに4～22%の性能向上を実現した。
論文 参考訳（メタデータ） (2026-02-10T23:06:02Z) - Agent World Model: Infinity Synthetic Environments for Agentic Reinforcement Learning [62.499592503950026]
大規模言語モデル(LLM)は、ツールや環境とのマルチターンインタラクションを必要とする複雑なタスクを実行するために、自律エージェントに権限を与えている。
完全合成環境生成パイプラインであるエージェント・ワールド・モデル(AWM)を提案する。
私たちは、エージェントがリッチなツールセットと対話できる、毎日のシナリオをカバーする1,000の環境にスケールします。
論文 参考訳（メタデータ） (2026-02-10T18:55:41Z) - SetupBench: Assessing Software Engineering Agents' Ability to Bootstrap Development Environments [2.184775414778289]
環境ブートストラップスキルを分離するベンチマークである setupbench を導入する。
私たちのタスクは7つの言語エコシステム、5つのデータベースエンジン、マルチサービスオーケストレーションシナリオにまたがっています。
特にリポジトリのセットアップ(38.9-57.4%)とローカルデータベースの設定(20.0-53.3%)に課題がある。
論文 参考訳（メタデータ） (2025-07-11T22:45:07Z) - WebArena: A Realistic Web Environment for Building Autonomous Agents [92.3291458543633]
我々は、非常に現実的で再現可能な言語誘導エージェントのための環境を構築する。
我々は,Web上でタスクを実行するエージェントに着目し,4つの共通ドメインから完全に機能するWebサイトを持つ環境を構築する。
タスク完了の関数的正しさを評価することに焦点を当てたベンチマークタスクのセットをリリースする。
論文 参考訳（メタデータ） (2023-07-25T22:59:32Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。