論文の概要: WorkGenesis: Building the Worlds That Teach Agents to Work

• arxiv url: http://arxiv.org/abs/2609.39325v1
• Date: Wed, 30 Sep 2026 09:00:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:27.471907
• Title: WorkGenesis: Building the Worlds That Teach Agents to Work
• Title（参考訳）: WorkGenesis: エージェントに仕事を教える世界を構築する
• Abstract要約: 実世界のアーティファクトから実行可能な作業を構築するフレームワークであるWorkGenesisを紹介する。 Fx-Work-35Bは、単純な教師付き微調整(SFT)で訓練されたわずか20Kの作業で、全ての同等スケールのベースラインの中で最高点を達成している。
• 参考スコア（独自算出の注目度）: 49.074190775312246
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The ability of Large Language Model (LLM) agents to complete daily and professional work is receiving increasing attention. Training such agents requires realistic work scenarios. Expert-authored occupational work is costly and slow to produce, while unconstrained synthesis often yields tasks with weak factual grounding or internally inconsistent requirements. To bridge this gap, we introduce WorkGenesis, a framework that constructs executable occupational work from real-world artifacts through two core technical innovations: (1) Evidence-Based Work Construction, which grounds each unit of work in real-world evidence by retrieving public files guided by O*NET occupational knowledge and synthesizing the surrounding context, companion materials, work request, and itemwise rubric around them; and (2) Execution-Guided Consistency Verification, which renders a reference deliverable inside the constructed work, attributes every unsatisfied rubric item to the agent, the task, or the rubric, and uses task and rubric defects as feedback to iteratively repair the work until it passes the audit. Experimental results demonstrate that Fx-Work-35B, trained with simple supervised fine-tuning (SFT) on only 20K units of work synthesized by WorkGenesis, achieves the highest scores among all comparable-scale baselines on the five reported metrics across GDPvalAA-v2, APEX-Agents-AA, and JobBench (31.00 versus 24.79 average score), and even surpasses frontier models such as the 1.6T DeepSeek-V4-Pro-Preview. These results show that WorkGenesis provides scalable training data for working agents.
• Abstract（参考訳）: 大規模言語モデル(LLM)エージェントが日常的および専門的な作業を終える能力は、ますます注目を集めている。 そのようなエージェントをトレーニングするには、現実的な作業シナリオが必要です。 専門家によって書かれた作業はコストがかかり生産が遅いが、制約のない合成は、しばしば、事実的根拠の弱いタスクや、内部的に矛盾した要求を伴うタスクをもたらす。 このギャップを埋めるために,我々は,(1)O*NETの作業知識でガイドされた公開ファイルを検索し,その周囲の状況,副産物,作業要求,項目ごとのルーリックを合成することにより,実世界の成果物から実行可能な作業作業を構築するためのフレームワークであるWorkGenesisを紹介した。 実験の結果、Fx-Work-35Bは、単純な教師付き微調整(SFT)でトレーニングされ、ワークジェネシスによって合成された20Kの作業で、GDPvalAA-v2、APEX-Agents-AA、JobBench(31.00対24.79平均スコア)の5つの指標で比較可能なスケールのベースラインのうち、最高スコアを達成し、1.6T DeepSeek-V4-Pro-Previewのようなフロンティアモデルを上回る結果となった。 これらの結果は、WorkGenesisがワークエージェントにスケーラブルなトレーニングデータを提供することを示している。

関連論文リスト

• From Question Answering to Task Completion: A Survey on Agent System and Harness Design [67.8241530947325]
  本研究はモデルハーネスレンズを用いてLCMをベースとしたエージェントについて検討する。 まず, LLMをベースとしたエージェントを基礎モデルと実行ハーネスとして, エージェントの機能的定義と実装の視点を明らかにする。 次に、モデル中心のスケーリングの限界を分析し、エージェントエンジニアリングの4つのパラダイムをトレースし、実行ハーネスを6つの結合ランタイム責任に分解する。
  論文  参考訳（メタデータ） (2026-06-14T05:40:16Z)
• OccuBench: Evaluating AI Agents on Real-World Professional Tasks via Language Environment Simulation [57.505743202759646]
  OccuBenchは10の業界カテゴリと65の専門ドメインにわたる100の現実のプロフェッショナルタスクシナリオをカバーするベンチマークである。 我々のマルチエージェント合成パイプラインは, 可溶性, 校正困難, 文書基底の多様性を保証した評価インスタンスを自動生成する。
  論文  参考訳（メタデータ） (2026-04-13T00:27:32Z)
• The Hierarchy of Agentic Capabilities: Evaluating Frontier Models on Realistic RL Environments [0.11586753333439907]
  本稿では、SurgeのリアルeコマースRL環境における150の職場タスクにおけるフロンティアAIモデルの評価実験について述べる。 我々の分析によると、実世界の展開にはモデルがマスターしなければならないエージェント機能の経験的に派生した階層構造が明らかになっている。 ウィーカーモデルは基本的なツールの使用と計画に苦しむが、強いモデルは明示的な指示以上の文脈推論を必要とするタスクで失敗する。
  論文  参考訳（メタデータ） (2026-01-13T23:49:06Z)
• FieldWorkArena: Agentic AI Benchmark for Real Field Work Tasks [52.47895046206854]
  FieldWorkArenaは、現実世界のフィールドワークをターゲットにしたエージェントAIのベンチマークである。 本稿では、エージェントAIが現実世界の作業環境ベンチマークのために持つべき新しいアクション空間を定義する。
  論文  参考訳（メタデータ） (2025-05-26T08:21:46Z)

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。