論文の概要: CompoWorld: Compositional Environment Scaling for General Agents
- arxiv url: http://arxiv.org/abs/2609.33665v1
- Date: Sun, 27 Sep 2026 15:25:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-01 18:57:25.879156
- Title: CompoWorld: Compositional Environment Scaling for General Agents
- Title（参考訳）: CompoWorld: 汎用エージェントのための構成環境スケーリング
- Abstract要約: コンポジション環境スケーリング(textbfCompoWorld)を導入し、再利用可能なサービスのライブラリを有限に構成することでタスク空間を拡大する。
ランダムウォーク手順は、依存グラフを介してサービスを接続し、サービス間で情報を流すために必要なタスクの生成と検証を可能にする。
10,130のツールを公開する448のサービスを構築し、Qwen3.6-35B-A3Bのトレーニングに3K SFTトラジェクトリと1K RLタスクを使用する。
- 参考スコア（独自算出の注目度）: 20.127252686569857
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Automatically generated environments provide a scalable source of interaction data for training general agents. However, existing approaches mainly generate tasks within a single environment, while real-world workflows require agents to connect information and actions across multiple services. We introduce Compositional Environment Scaling (\textbf{CompoWorld}), which expands the task space by composing a finite library of reusable services. Coding agents turn tool specifications into verified services with typed states and shared interfaces, while a world model handles tools that cannot be reliably implemented. A random-walk procedure connects services through dependency graphs, enabling the generation and verification of tasks that require information to flow across services. Verified trajectories support supervised fine-tuning (SFT), while our Completion-Focused Rubric Reward guides reinforcement learning (RL) toward full task completion by emphasizing criteria with lower pass rates within each rollout group. We construct 448 services exposing 10,130 tools and use 3K SFT trajectories and 1K RL tasks to train Qwen3.6-35B-A3B. Experimental results show that CompoWorld improves on its backbone by 9.17 points on average across eight benchmarks. On AutomationBench, it surpasses frontier models such as Claude Opus 4.6 and leads all compared agent-specialized 35B-A3B models.
- Abstract（参考訳）: 自動生成された環境は、汎用エージェントを訓練するためのスケーラブルなインタラクションデータのソースを提供する。
しかし、既存のアプローチでは、主に単一の環境内でタスクを生成し、実際のワークフローでは、エージェントが複数のサービスにまたがる情報やアクションを接続する必要がある。
構成環境スケーリング(\textbf{CompoWorld})を導入し、再利用可能なサービスのライブラリを有限に構成することでタスク空間を拡大する。
コーディングエージェントは、ツール仕様をタイプされた状態と共有インターフェースを持つ検証済みのサービスに変換し、ワールドモデルは確実に実装できないツールを処理します。
ランダムウォーク手順は、依存グラフを介してサービスを接続し、サービス間で情報を流すために必要なタスクの生成と検証を可能にする。
検証されたトラジェクトリは教師付き微調整(SFT)をサポートし,コンプリート・フォーカスされたルーブリック・リワードは各ロールアウトグループ内のパスレートの低い基準を強調して,強化学習(RL)を完全なタスク完了に向けて導く。
10,130のツールを公開する448のサービスを構築し、Qwen3.6-35B-A3Bのトレーニングに3K SFTトラジェクトリと1K RLタスクを使用する。
実験の結果、CompoWorldは8つのベンチマークで平均9.17ポイント改善した。
AutomationBenchでは、Claude Opus 4.6のようなフロンティアモデルを超え、エージェント仕様の35B-A3Bモデルをすべてリードする。
関連論文リスト
- AgentMercury: Your Agent Can Synthesize Verifiable Environments for Business Scenarios at scale [6.489568846701505]
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。
論文 参考訳（メタデータ） (2026-08-21T00:15:45Z) - Terminal-World: Scaling Terminal-Agent Environments via Agent Skills [52.39713754337834]
エージェントスキルを中心的な合成プリミティブとして利用する完全自動化パイプラインである Terminal-World を紹介する。
我々は,5,723のトレーニング環境を構築し,端末-ワールド-8B/14B/32Bを6つのベンチマークで評価した。
Terminal-World-32B は Terminal-Bench 2.0 で Nemotron-Terminal-32B を +4.5 Pass@1 (31.5) で上回り、43.8 Pass@3 に達する。
論文 参考訳（メタデータ） (2026-05-20T08:14:51Z) - OpenEarth-Agent: From Tool Calling to Tool Creation for Open-Environment Earth Observation [52.19243746173158]
オープン環境の地球観測に適した最初のツール作成エージェントフレームワークであるOpenEarth-Agentを紹介する。
OpenEarth-Agentは事前に定義されたツールを呼び出すのではなく、適応的なワークフロー計画とツール作成を使用して、目に見えないデータやタスクに一般化する。
OpenEarth-Agentは、オープン環境で複数のドメインにまたがって完全なEOをマスターできることを示す。
論文 参考訳（メタデータ） (2026-03-23T16:14:15Z) - 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) - 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) - Efficient Multi-turn RL for GUI Agents via Decoupled Training and Adaptive Data Curation [65.3648667980258]
視覚言語モデル(VLM)に基づくGUIエージェントは複雑なタスクの自動化を約束するが、強化学習(RL)の適用において大きな課題に直面している。
異種モジュールを高度に非結合的に協調するGUIエージェントのための非結合エージェントRLトレーニングフレームワークであるDARTを提案する。
OSWorldのベンチマークでは、DART-GUI-7Bは42.13%のタスク成功率、14.61%の絶対ゲイン、オープンソースSOTAよりも7.34%高い。
論文 参考訳（メタデータ） (2025-09-28T13:19:20Z) - SOPBench: Evaluating Language Agents at Following Standard Operating Procedures and Constraints [59.645885492637845]
SOPBenchは、各サービス固有のSOPコードプログラムを実行可能な関数の有向グラフに変換する評価パイプラインである。
提案手法では,各サービス固有のSOPコードプログラムを実行可能関数の有向グラフに変換し,自然言語SOP記述に基づいてこれらの関数を呼び出しなければならない。
我々は18の先行モデルを評価し、上位モデルでさえタスクが困難であることを示す。
論文 参考訳（メタデータ） (2025-03-11T17:53:02Z)
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。