論文の概要: GraphForge: Training Working Agents with Graph-Anchored Workspace Synthesis
- arxiv url: http://arxiv.org/abs/2609.38923v2
- Date: Sun, 04 Oct 2026 14:53:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-07 04:43:28.447634
- Title: GraphForge: Training Working Agents with Graph-Anchored Workspace Synthesis
- Title（参考訳）: GraphForge: グラフアンコールワークスペース合成による作業エージェントのトレーニング
- Abstract要約: 既存のパイプラインは、リアリズムと多様性に欠けるモデルでファイルを生成するか、タスク固有の検証なしで実際のファイル上でタスクを構築する。
GraphForgeはエビデンスグラフベースのフレームワークで、実際のファイルでタスクと検証の両方を基盤としています。
- 参考スコア（独自算出の注目度）: 43.52692807860223
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Working agents need to read diverse files, coordinate tools, and produce deliverables. Training such agents requires tasks built on many real files with verifiable results, but few pipelines exist to synthesize this kind of data. Existing pipelines either generate files with models, which lack realism and diversity, or build tasks on real files without task-specific verifiers, leaving result quality unchecked. We introduce GraphForge, an evidence-graph based framework that grounds both the task and its verification in real files. Starting from occupation-grounded seeds for controlled diversity, GraphForge assembles a workspace of real files for each seed and builds an evidence graph over their relations. Since the task statement and rubrics are both derived from this graph, task requirements are backed by the workspace files and each criterion is anchored to the files needed to verify it. An initial rollout further tests executability, and a revision agent repairs the task and rubrics against the original files before trajectories are collected. Fine-tuning Qwen3.6-27B on 2,169 GraphForge trajectories brings GDPVal to 1445.7 (+65.7) under OpenHands, and Workspace-Bench-Lite and SpreadsheetBench II to 63.7 (+7.7) and 24.0 (+13.7) under Claude Code. Rejection fine-tuning on the SFT model's own rollouts, with candidates selected by the evidence-anchored rubrics, yields further improvements on all three benchmarks, suggesting that the rubrics provide a useful selection signal.
- Abstract（参考訳）: 作業員は多様なファイルを読み、ツールを調整し、成果物を生産する必要がある。
このようなエージェントを訓練するには、検証可能な結果を持つ多くの実際のファイル上に構築されたタスクが必要であるが、この種のデータを合成するためのパイプラインはほとんど存在しない。
既存のパイプラインは、リアリズムと多様性に欠けるモデルでファイルを生成するか、タスク固有の検証なしで実際のファイルでタスクを構築する。
GraphForgeはエビデンスグラフベースのフレームワークで、実際のファイルでタスクと検証の両方を基盤としています。
GraphForgeは、管理された多様性のための職業的接地されたシードから始まり、各シードの実際のファイルのワークスペースを組み立て、それらの関係に関するエビデンスグラフを構築する。
タスクステートメントとルーブリックはどちらもこのグラフから派生しているため、タスク要件はワークスペースファイルによってバックアップされ、各基準は検証に必要なファイルに固定される。
初期ロールアウトは、実行可能性をさらにテストし、リビジョンエージェントは、トラジェクトリが収集される前に、元のファイルに対するタスクとルーリックを修復する。
2,169のグラフForgeトラジェクトリ上のQwen3.6-27BはGDPValをOpenHandsで1445.7 (+65.7)、Workspace-Bench-LiteとSpreadsheetBench IIを63.7 (+7.7)、24.0 (+13.7)にする。
SFTモデル自体のロールアウトを微調整し、エビデンスアンコールされたルーリックによって選択された候補は、3つのベンチマークでさらに改善され、ルーリックが有用な選択信号を提供することを示唆している。
関連論文リスト
- EviGraph: Towards Verifiable Evidence Construction for Information-Seeking Agents [0.28675177318965045]
本稿では,証拠記録から検索実行を分離するディープ検索フレームワークであるEviGraphを紹介する。
結果として得られるグラフは、永続的なワーキングメモリと、密集したプロセス報酬の源として機能する。
BrowseComp-Plusでは、Qwen3-8B EviGraphエージェントが一致した相互作用予算の下で35.9%の精度を達成する。
論文 参考訳（メタデータ） (2026-08-25T15:06:54Z) - Joint Optimization of Tool Creation and Use for Large Language Model Agents [69.07066297088187]
SMITH (-grounded Multi-task Iterative Tool Honing) は、単一のポリシー内でツールの作成とツールの使用を訓練する。
SMITHで訓練された4B Qwen3は、正確に検証された13の手続き的推論タスクで、保持されたタスクで平均79.8のマクロ平均精度に達する。
また、TabMWP-Hardでは40.4、ドメイン外のGQAでは42.6に到達している。
論文 参考訳（メタデータ） (2026-08-25T13:59:34Z) - StagedWorkspace: A Versioned Workspace for Knowledge-Work Agents [10.513970462718364]
知識処理エージェントのためのバージョン付きワークスペースであるStagedWorkspaceを提案する。
ワークスペースは解析されたレコードをバインドし、変更時にネイティブファイルの内容に差分をレビューする。
これらの結果は、ワークスペース状態を知識処理エージェントの実験変数として識別し、エビデンス、ステージ化された編集、提出されたアーティファクトを明示的な状態遷移として評価するベンチマークをモチベートする。
論文 参考訳（メタデータ） (2026-08-18T17:44:18Z) - Schema-Agnostic Graph Reasoning Agent for Hybrid Knowledge Graphs [42.698418800007865]
本稿では,ハイブリッド知識グラフを探索するグラフ推論エージェントGRAを紹介する。
258の産業ベンチマークであるUFK-Mでは、GRAは5.1ppのフルコンテキストエージェントを上回った。
グラフのない制御は、主にグラフトポロジではなく、選択的なエージェントアクセスから得られる利得を示している。
論文 参考訳（メタデータ） (2026-08-16T16:10:32Z) - WorkSurface-Bench: Benchmarking Enterprise Agents on Multi-Surface Knowledge Routing [10.956110208321556]
我々は、この機能を表面ルーティングとして評価するためのベンチマークであるWorkSurface-Benchを紹介した。
これは、ペルソナスコープワークスペース-ベンチライトワークスペースから派生した1,151のアトミックタスクを含んでいる。
我々は、6つの制御されたエージェント設定で4つのモデルバックボーンを評価し、27,624個のプロトコルエラーフリーなトラジェクトリを得た。
論文 参考訳（メタデータ） (2026-07-28T14:19:59Z) - Tencent WorkBuddy Bench: A Multi-Domain Coding-Agent Benchmark with Contamination-Resistant Task Construction [57.138342889101345]
Tencent WorkBuddy Benchは、コーディングエージェントのためのマルチドメイン評価スイートである。
本報告では, 設計手法, スコアリングプロトコル, クロスモデルリーダーボードについて述べる。
論文 参考訳（メタデータ） (2026-07-23T04:34:06Z) - OctoBench: Benchmarking Scaffold-Aware Instruction Following in Repository-Grounded Agentic Coding [57.39403818250357]
ここでは,レポジトリベースエージェントコーディングにおける足場認識命令のベンチマークを行うOctoBenchを紹介する。
OctoBenchは34の環境と217のタスクを3つの足場タイプでインスタンス化し、7,098の客観的チェックリストアイテムとペアリングする。
実験により、タスク解決と足場対応の体系的なギャップが明らかになり、トレーニングと評価の必要性が強調される。
論文 参考訳（メタデータ） (2026-01-15T12:36:08Z) - GraphCogent: Mitigating LLMs' Working Memory Constraints via Multi-Agent Collaboration in Complex Graph Understanding [13.356521655409422]
大規模言語モデル(LLM)は、小規模なグラフ推論タスクでは有望な性能を示すが、複雑なクエリで現実のグラフを扱うと失敗する。
グラフ推論を特殊な認知プロセス(センス、バッファ、実行)に分解する協調エージェントフレームワークであるGraphCogentを提案する。
論文 参考訳（メタデータ） (2025-08-17T14:28:38Z) - Towards Graph Foundation Models: Learning Generalities Across Graphs via Task-Trees [50.78679002846741]
タスクツリーを用いたグラフのクロスタスク一般化のための新しい手法を提案する。
本稿では,グラフニューラルネットワーク(GNN)を多種多様なタスクツリー上で事前学習することにより,伝達可能な知識を誘導することを示す。
これにより、最小限の微調整で下流タスクに効率的に適応できる。
論文 参考訳（メタデータ） (2024-12-21T02:07:43Z) - Arch-Graph: Acyclic Architecture Relation Predictor for
Task-Transferable Neural Architecture Search [96.31315520244605]
Arch-Graphはタスク固有の最適アーキテクチャを予測するトランスファー可能なNASメソッドである。
Arch-Graphの転送性と,多数のタスクにわたる高いサンプル効率を示す。
わずか50モデルの予算の下で、2つの検索スペースで平均して0.16%と0.29%のアーキテクチャを見つけることができる。
論文 参考訳（メタデータ） (2022-04-12T16:46:06Z)
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。