論文の概要: WorkBorne: Discovering Agentic Tasks from Real-World Artifact Transitions
- arxiv url: http://arxiv.org/abs/2610.14915v1
- Date: Sat, 10 Oct 2026 13:37:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-15 21:06:15.131063
- Title: WorkBorne: Discovering Agentic Tasks from Real-World Artifact Transitions
- Title（参考訳）: WorkBorne: 実世界のアーティファクト遷移からエージェントタスクを発見する
- Abstract要約: エージェントタスクのライフサイクル全体をモデル化するための中心的なプリミティブとして,アーティファクト遷移を利用する合成フレームワークであるWorkBorneを紹介する。
我々は1,061個のアーティファクトコーパスと7,882個のタスク環境を構築し、15,485個の高品質なトラジェクトリを生成し、53.6%が30個のアシスタントターンを超えた。
- 参考スコア（独自算出の注目度）: 40.22835474278035
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Developing terminal-based agents for long-horizon execution demands synthetic tasks that tightly couple complex instructions with authentic, interactive environments. However, current automated synthesis suffers from a fundamental asymmetry: instruction-oriented methods fabricate low-fidelity, synthetic environments, whereas resource-oriented methods treat real artifacts merely as static inputs, degrading task instructions into shallow, trivial operations. To address this limitation, we introduce WorkBorne, a synthesis framework that uses artifact transitions as the central primitive for modeling the full life-cycle of agentic tasks. In WorkBorne, each transition specifies who performs the task, which artifacts anchor the initial state and intended outcome, and the corresponding relationship between them. Specifically, WorkBorne first constructs coherent and diverse artifact corpora from iterative web retrieval, then discovers non-trivial transitions by identifying meaningful input-output artifact assemblies and the relations that connect them. Each discovered transition is finally instantiated into grounded agentic tasks. We construct 1,061 artifact corpora and 7,882 task environments, yielding 15,485 high-quality trajectories, with 53.6% exceeding 30 assistant turns. Experiments on Qwen3.5-27B and Qwen3.5-35B-A3B show that WorkBorne substantially improves over base models (i.e., improving Terminal-Bench 2.1 from 43.1% to 61.8% and ClawEval General score from 75.0 to 80.2) and achieves the strongest overall performance among other synthesis baselines (e.g., TMax (Ivison et al., 2026), RST (Li et al., 2026a), Terminal-Universe (Wu et al., 2026a)). Further analysis shows that transition is strongly associated with execution depth, while corpus breadth and transition depth provide complementary scaling gains.
- Abstract（参考訳）: 長距離実行のための端末ベースのエージェントの開発には、複雑な命令を真にインタラクティブな環境と密に結合する合成タスクが要求される。
しかし、現在の自動合成は基本的な非対称性に悩まされている: 命令指向の手法は、低忠実で合成された環境を作るが、リソース指向の手法は、実際のアーティファクトを単に静的な入力として扱い、タスク命令を浅い、自明な操作に分解する。
この制限に対処するために、エージェントタスクのライフサイクル全体をモデル化する中心的なプリミティブとしてアーティファクト遷移を使用する合成フレームワークWorkBorneを紹介します。
WorkBorneでは、各トランジションは、誰がタスクを実行し、どのアーティファクトが初期状態と意図された結果をアンカーするか、それに対応する関係を指定します。
特に、WorkBorneは、まず反復的なWeb検索からコヒーレントで多様なアーティファクトコーパスを構築し、その後、意味のある入出力アーティファクトアセンブリとそれらを接続する関係を識別することによって、非自明な遷移を発見する。
発見された各遷移は、最後に接地されたエージェントタスクにインスタンス化される。
我々は1,061個のアーティファクトコーパスと7,882個のタスク環境を構築し、15,485個の高品質なトラジェクトリを生成し、53.6%が30個のアシスタントターンを超えた。
Qwen3.5-27BとQwen3.5-35B-A3Bの実験では、ワークボーンはベースモデルよりも大幅に改善されている(例えば、ターミナル・ベンチ2.1を43.1%から61.8%に改善し、ClawEval General scoreを75.0から80.2に改善し、他の合成ベースライン(例えば、TMax(Ivison et al , 2026a)、RTT(Li et al , 2026a)、ターミナル・ユニバース(Wu et al , 2026a))の中で最高の総合的なパフォーマンスを達成する。
さらに分析したところ、転移は実行深度と強く関連し、コーパス幅と遷移深度は相補的なスケーリングゲインを提供することが示された。
関連論文リスト
- Large-scale Repository Engineering via Agent-Native Reusable Code Primitives [26.27948077165739]
開発環境を備えた大規模言語モデルは、コード生成をリポジトリスケールの構築へと移行した。
Code Primitivesは、インターフェイスコントラクト、依存性のクロージャ、バリデーションテスト、証明を備えた、エージェントネイティブで再利用可能なコンポーネントです。
我々は,リポジトリ構築のための検索可能なライブラリであるCodeFaceに,検証済みプリミティブ1,424を編成する。
論文 参考訳（メタデータ） (2026-10-06T20:20:50Z) - Scaling Verifiable Environments for Long-horizon Work Agents [56.22497654434293]
検証可能なワークエージェント環境を構築するためのスケーラブルな合成フレームワークであるWorkForgeを紹介する。
WorkForgeはまず、各ワークフローに必要なリソース、決定、成果物を特定する。
その後、関連する現実世界のファイルを取得し、それらをワークスペースに整理する。
WorkForgeはワークスペースを調べて、そのコンテンツに関する具体的な、チェック可能な事実を抽出する。
論文 参考訳（メタデータ） (2026-10-04T03:36:14Z) - Recursive Synthesis for Long-Horizon Terminal Tasks [50.39352383646813]
Recursive Synthetic Terminal Tasks (RST) は、大規模に長期の端末エージェントタスクを構築するためのフレームワークである。
RSTは37,484個の合成端末エージェントタスクを1タスクあたり0.05ドルで生成する。
軌道の微調整により、Qwen3.5-27BとQwen3.5-122B-A10Bはターミナルベンチ2、ターミナルベンチハード、ロングホライゾンターミナルベンチで最大10ポイント改善される。
論文 参考訳（メタデータ） (2026-08-05T23:24:26Z) - Meta-Task: Turning Terminal Task Synthesis into a Terminal Task for Scalable Agent Training [13.580418686043815]
大規模な端末エージェントの訓練には、多様な検証可能な端末タスクと高品質な対話トラジェクトリが必要である。
既存のメソッドは、タスク生成と実際の実行の切り離しによって生じる信頼性の弱い2つの重要な制限に直面している。
本稿では,ターミナル・ベンチ形式タスク自体として端末タスク合成を再定義するMeta-Taskを提案する。
論文 参考訳（メタデータ） (2026-07-30T09:41:08Z) - AgentOmnia: Scaling Agentic Models for Full-Scenario Applications [36.656762500581216]
大規模言語モデルエージェントは急速に進歩しているが、ドメイン、機能、タスクの難しさ、インタラクション設定にはまだ進歩が断片化されている。
これはTo-Consumer(ToC)、To-Business(ToB)、To-Employee(ToE)アプリケーション間でタスク空間の定義、データ合成、ポストトレーニング、評価、改善を調整するフレームワークです。
論文 参考訳（メタデータ） (2026-07-25T09:58:24Z) - 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) - Context Engineering: A Practitioner Methodology for Structured Human-AI Collaboration [0.0]
本稿では、AIツールのプロンプトに付随する完全な情報ペイロードの組み立て、宣言、シークエンシングのための構造化手法であるContext Engineeringを紹介する。
4つのAIツール間で200のドキュメント化されたインタラクションに関する観察的研究では、不完全なコンテキストがイテレーションサイクルの72%に関連付けられている。
構造化コンテキストアセンブリは、タスク毎の平均イテレーションサイクルを3.8から2.0に削減し、ファーストパスの受け入れを32%から55%に改善した。
論文 参考訳（メタデータ） (2026-04-05T20:30:44Z)
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。