論文の概要: AssetForge: Asset-Augmented Task Synthesis for Business Automation Agents
- arxiv url: http://arxiv.org/abs/2610.18330v1
- Date: Tue, 13 Oct 2026 13:06:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-15 21:06:15.616839
- Title: AssetForge: Asset-Augmented Task Synthesis for Business Automation Agents
- Title（参考訳）: AssetForge: 業務自動化エージェントのためのアセット拡張タスク合成
- Abstract要約: ビジネス自動化エージェントのトレーニングには、自然に管理された要求をアプリケーション状態と終了状態に接続する実行可能なタスクが必要である。
従来のオートメーションでは、著者はアプリケーションインターフェース、初期記録、ポリシーエビデンス、各タスクの検証可能な結果チェックを再現する必要がある。
AssetForgeは、アセット拡張されたタスク言語パイプラインで、再利用可能なコンストラクション-アセスメントライブラリとタスク特化ライブラリをペアリングします。
- 参考スコア（独自算出の注目度）: 50.07771061768613
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Training business automation agents requires executable tasks that connect a natural-language request to an application state and a verifiable end state. Traditional Rubrics requires Authors to recreate application interfaces, initial records, policy evidence, and outcome checks for each task, entangling business logic with repeated infrastructure work. We introduce AssetForge, an asset-augmented task-construction pipeline that pairs a reusable construction-asset library with task-specific Rubrics. The assets provide application interfaces, world-state components, policy/evidence carriers, and native assertion definitions; the Rubric directs their instantiation for a particular business task. Executable checks and an additional model-based review validate each candidate, return targeted feedback, and support bounded repair before acceptance. On AutomationBench v1.0.6 public-600, fine-tuning Qwen3.6-35B-A3B on 6,000 AssetForge examples yields 41.17% on the official strict pass@1 metric, 4.4 times the 9.33% base score (+31.83 points). With the same backbone and GLM-5.3 supervision, AssetForge reaches 41.17% versus 30.33% for traditional Rubrics, a 10.84-point gain (35.7% relative) at the same accepted-example scale (6,000 versus 6,000 examples). Both DeepSeek- and GLM-supervised AssetForge models improve AppWorld completion over the base model on Test-Normal and Test-Challenge. These results establish the advantage of AssetForge's complete construction pipeline on AutomationBench public: the coupled asset-Rubric interface directs Authors toward business logic, while executable checks and model-based review validate their tasks.
- Abstract（参考訳）: ビジネス自動化エージェントのトレーニングには、自然言語要求をアプリケーション状態と検証可能な最終状態に接続する実行可能なタスクが必要である。
従来のRubricsでは,アプリケーションインターフェースや初期記録,ポリシエビデンス,各タスクの成果チェックの再現や,インフラストラクチャの繰り返し処理によるビジネスロジックの絡み合わせが求められる。
本稿では,アセット拡張されたタスク構築パイプラインであるAssetForgeを紹介した。
資産は、アプリケーションインターフェース、世界状態コンポーネント、ポリシー/エビデンスキャリア、およびネイティブなアサーション定義を提供します。
実行可能なチェックと追加のモデルベースのレビューは、各候補を検証し、ターゲットとするフィードバックを返却し、受け入れ前にバウンド修理をサポートする。
AutomationBench v1.0.6 public-600, fine-tuning Qwen3.6-35B-A3B on 6,000 AssetForgeの例では、公式の厳格パス@1で41.17%、9.33%のスコア(+31.83ポイント)の4.4倍である。
同じバックボーンとGLM-5.3の監督により、AssetForgeは従来のラグビーでは41.17%、30.33%に達した。
DeepSeekとGLMが管理するAssetForgeはいずれも、Test-NormalとTest-ChallengeのベースモデルよりもAppWorldのコンプリートを改善している。
結合されたアセット・ルーブリックインターフェースは、実行可能チェックとモデルベースのレビューがタスクを検証する一方で、オーサリングをビジネスロジックに向けます。
関連論文リスト
- Cowork-Gym: Synthesizing Interactive Work Environments at Scale [79.11567848319275]
ワークエージェントは、ツールやファイル間の依存関係をナビゲートし、ユーザ要求の変更や共有ワークスペースへの編集に適応する。
Cowork-Gymは、ビルド・実行・修正ループを通じてCowork環境を合成するフレームワークです。
現実的なコワークダイナミクスをキャプチャするために、ステートフルユーザシミュレータは対話を通じてエージェントのアクションに応答し、共有ワークスペースに直接編集する。
論文 参考訳（メタデータ） (2026-10-13T03:56:58Z) - ANCHOR: Assessing Naturalistic Constraint Hierarchies and Ordering in Repository-Grounded Agentic Coding [37.76405327916569]
ANCHOR(Assessing Naturalistic Constraint Hierarchies and Ordering in Repository-Grounded Agentic Coding)は、自然主義の多言語リポジトリタスクをベースとしたベンチマークである。
ANCHORは、(i)実際の開発者インタラクションから抽出された10のカテゴリと78の葉型の階層的な分類、(ii)タスク基底の原子的制約をインスタンス化し、それらを型付きおよび/THEN/PRIORITY関係に構成する自動パイプライン、(iii)軌道基底の評価フレームワークを組み合わせる。
論文 参考訳（メタデータ） (2026-10-12T14:28:38Z) - 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) - CompoWorld: Compositional Environment Scaling for General Agents [20.127252686569857]
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。
論文 参考訳（メタデータ） (2026-09-27T15:25:01Z) - CFAgentBench: A Reproducible Environment and Benchmark for Autonomous Construction-Finance Agents [0.0]
CFAgentBenchは、自律的な建設ファイナンスエージェントのベンチマークである。
8つのドメインと77のファミリーにまたがる1014のマシングレード可能なタスク仕様を含んでいる。
最強のエージェントはpass1 = 0.67に達するが、pass5 = 0.38のみである。
論文 参考訳（メタデータ） (2026-06-20T11:34:52Z) - ClawForge: Generating Executable Interactive Benchmarks for Command-Line Agents [59.626170560327274]
textbfClawForgeは、ステートコンフリクト下で実行可能なコマンドラインカテゴリのためのジェネレータベースのベンチマークフレームワークである。
私たちはこのフレームワークをClawForge-Bench(17のシナリオ、6の能力カテゴリ)としてインスタンス化します。
論文 参考訳（メタデータ） (2026-05-13T21:34:08Z) - OmniEAR: Benchmarking Agent Reasoning in Embodied Tasks [52.87238755666243]
OmniEARは,言語モデルが身体的相互作用やツールの使用,マルチエージェントの協調にどう影響するかを評価するためのフレームワークである。
我々は、家庭と工業領域にまたがる1500のシナリオにおける連続的な物理的特性と複雑な空間的関係をモデル化する。
我々の体系的な評価は、モデルが制約から推論しなければならない場合、厳しい性能劣化を示す。
論文 参考訳（メタデータ） (2025-08-07T17:54:15Z) - 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。