論文の概要: Occamy-1.0: Open Pareto-frontier 35B Intelligence for Co-work

• arxiv url: http://arxiv.org/abs/2609.11977v1
• Date: Fri, 04 Sep 2026 03:32:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-21 16:32:15.650156
• Title: Occamy-1.0: Open Pareto-frontier 35B Intelligence for Co-work
• Title（参考訳）: Occamy-1.0: 共同作業のためのオープンPareto-frontier 35Bインテリジェンス
• Abstract要約: 本稿では, ポストトレーニング後のQwen3.6-35B-A3Bチェックポイントをさらにトレーニングし, コスト効率の良いコワークモデルであるOccamy-1.0を提案する。 我々は,複数のハーネスにまたがる再生可能な長距離軌跡を捕捉し,段階的なポストトレーニングを用いて補完的な実行機能を開発し,統合する。
• 参考スコア（独自算出の注目度）: 51.29186915859486
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Co-work agents execute complex workflows that combine information gathering, tool use, coding, and file manipulation across many model invocations. Because cost and latency accumulate over the full episode, their practical value depends not only on peak capability but also on how efficiently that capability is delivered. Yet many steps in everyday work emphasize state tracking, coordination, recovery, and follow-through rather than frontier-scale reasoning. We present Occamy-1.0, a cost-efficient co-work model obtained by further training the post-trained Qwen3.6-35B-A3B checkpoint. We construct execution-grounded data and environments, capture replayable long-horizon trajectories across multiple harnesses, and use staged post-training to develop and consolidate complementary execution capabilities. Across a broad suite of co-work benchmarks, Occamy-1.0 is consistently among the strongest comparably sized models and remains competitive with substantially larger frontier systems on several tasks. Under our stated evaluation and pricing protocol, its aggregate performance across four representative benchmarks places it at the low-cost knee of the observed cost--performance Pareto frontier. Supporting evaluations in tool calling, coding, and instruction following further show that this specialization preserves broad agentic capability. We release the model weights and a subset of the training data to support research on practical co-work agents and agentic post-training.
• Abstract（参考訳）: 共同作業者は、情報収集、ツールの使用、コーディング、多くのモデル呼び出しにおけるファイル操作を組み合わせた複雑なワークフローを実行する。 コストとレイテンシが全エピソードにわたって蓄積されるため、それらの実践的価値は、ピーク能力だけでなく、その能力がどれだけ効率的に提供されるかにも依存する。 しかし、日々の作業における多くのステップは、フロンティアスケールの推論よりも、状態追跡、コーディネーション、リカバリ、フォロースルーに重点を置いている。 本稿では, ポストトレーニング後のQwen3.6-35B-A3Bチェックポイントをさらにトレーニングし, コスト効率の良いコワークモデルであるOccamy-1.0を提案する。 複数のハーネスにまたがる再生可能なロングホライゾントラジェクトリを捕捉し、段階的な後処理を用いて、補完的な実行機能を開発し、統合する。 Occamy-1.0は、幅広いコワーキングベンチマークスイートの中で、一貫して最強のコンパラブルサイズのモデルであり、いくつかのタスクにおいてはるかに大きなフロンティアシステムと競合している。 提案した評価および価格設定プロトコルの下では、4つの代表的なベンチマークで集計された性能により、観測されたコストパフォーマンスのParetoフロンティアの低コストな膝に配置される。 ツール呼び出し、コーディング、命令に対する評価のサポートは、この特殊化が幅広いエージェント能力を維持することをさらに示している。 モデル重みとトレーニングデータのサブセットを公開し、実践的な共同作業エージェントとエージェントのポストトレーニングの研究を支援する。

関連論文リスト

• ZGCM-1: A Fully Open and Extremely Efficient Foundation Model for Math and Agentic Search [54.43696074323815]
  ZGCM-1は、極端なデータ、システム、アルゴリズムの効率でゼロから訓練された、完全にオープンな7Bファンデーションモデルである。 エージェントがクラスタ操作を自律的に管理する、AIネイティブなR&Dワークフローを確立します。 ZGCM-1-7Bは一般的なベンチマークで7Bモデルファミリ間で競合する。
  論文  参考訳（メタデータ） (2026-09-11T17:18:04Z)
• SWE-QA-Pro: A Representative Benchmark and Scalable Training Recipe for Repository-Level Code Understanding [41.98672557723593]
  SWEQA-Proは,多種多様な長期リポジトリと実行可能な環境から構築されたベンチマークである。 さらに,2段階のトレーニングレシピであるSupervised Fine-Tuning(SFT)とReinforcement Learning from AI Feedback(RLAIF)という,スケーラブルな合成データパイプラインを提案する。 SWE-QA-ProのGPT-4oを2.3ポイント超え、最先端モデルとのギャップを大幅に狭める。
  論文  参考訳（メタデータ） (2026-03-17T05:12:48Z)
• KARL: Knowledge Agents via Reinforcement Learning [63.627906947205624]
  本稿では,強化学習による企業検索エージェントの訓練システムを提案する。 KARLBenchは、6つの異なる検索レギュレーションにまたがる多機能評価スイートである。 異種探索行動で訓練されたモデルは、どのベンチマークにも最適化されたモデルよりもかなりよく一般化されていることを示す。
  論文  参考訳（メタデータ） (2026-03-05T14:30:25Z)
• CoVe: Training Interactive Tool-Use Agents via Constraint-Guided Verification [17.56502992098113]
  textbfCoVe(textbfConstraint-textbfVerification)は、対話型ツール使用エージェントのトレーニング用に設計されたトレーニング後のデータ合成フレームワークである。 それらは、複雑な軌跡の生成をガイドし、軌道品質を評価するための決定論的検証器として機能する。
  論文  参考訳（メタデータ） (2026-03-02T14:56:35Z)
• daVinci-Dev: Agent-native Mid-training for Software Engineering [22.845876048950483]
  本稿では,エージェント・ミドルトレーニングの体系的な研究を行い,大規模エージェント開発のためのデータ合成の原則と訓練方法を確立する。 私たちは、トレーニング後の2つの設定の下で、以前のオープンソースエンジニアリングのミッドトレーニングレシピであるKimi-Devよりも、整列ベースモデルとエージェントスキャフォールドの方が優れていることを実証します。
  論文  参考訳（メタデータ） (2026-01-26T12:20:18Z)
• PRInTS: Reward Modeling for Long-Horizon Information Seeking [74.14496236655911]
  PRInTS(PRInTS)は、二重機能で訓練された生成型PRMである。 PRInTSは,オープンソースモデルと特殊エージェントの情報検索能力を向上させる。
  論文  参考訳（メタデータ） (2025-11-24T17:09:43Z)
• Boosting Virtual Agent Learning and Reasoning: A Step-Wise, Multi-Dimensional, and Generalist Reward Model with Benchmark [72.46357004059661]
  Generalist Virtual Agents (GVA) は自律的なタスク実行において大きな可能性を示している。 これらの課題に対処するため,ステップワイズ多次元ジェネラリスト・リワードモデルを提案する。 同様に、エージェントトレーニング用のきめ細かい信号を提供し、推論時間スケーリングのためのより良いアクションを選択することができる。
  論文  参考訳（メタデータ） (2025-03-24T13:30:47Z)

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。