論文の概要: Data World: Scaling Data Environments from Scratch

• arxiv url: http://arxiv.org/abs/2610.21656v1
• Date: Thu, 15 Oct 2026 10:35:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-17 06:09:33.027116
• Title: Data World: Scaling Data Environments from Scratch
• Title（参考訳）: データワールド:スクラッチからデータ環境のスケーリング
• Abstract要約: 我々は、環境、タスク、ルーブリックを明示的なメカニズムから合成するマルチエージェントエンジンであるData Worldを紹介する。 質問リアリズムのための人間の嗜好に基づくキュレーションは、データワールドベンチのための50の保持された世界と16の領域で100のタスクを選択する。 エンジンは1,037個の不規則世界から2,135個の訓練タスクを出力する。
• 参考スコア（独自算出の注目度）: 42.49396967400816
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Data agents use code to process heterogeneous files and derive analytical insights. Scaling their training faces costly environment curation, privacy and intellectual-property restrictions, and difficulty verifying open-ended findings without known generative truth. Our core insight is to specify the world behind the files before generating the files themselves. We introduce Data World, a multi-agent engine that synthesizes environments, tasks, and rubrics from explicit mechanisms. Independent audits check target recoverability from observed files; rubrics support evaluation and RL rewards. Human preference-based curation for question realism selects 100 tasks across 50 held-out worlds and 16 domains for DataWorld-Bench. The engine also yields 2,135 training tasks from 1,037 disjoint worlds. Evaluation of ten frontier models shows that the benchmark remains challenging, particularly for insight discovery, with a consistent computation-insight gap. RL-zero training on the synthesized tasks produces DataWorld-35B-A3B from Qwen3.6-35B-A3B without trajectory distillation. Under matched evaluation, it improves over its base by 7.06 points on DataWorld-Bench, 14.28 on DAComp, 20.90 on DABstep-Hard, and 12.13 on JobBench, a broader occupational benchmark.
• Abstract（参考訳）: データエージェントはコードを使って異種ファイルを処理し、分析的な洞察を導き出す。 トレーニングのスケールは、環境のキュレーション、プライバシーと知的財産権の制限、そして、既知の生成的真実を伴わずに、未解決の発見を検証するのが困難である。 私たちの中核となる洞察は、ファイル自体を生成する前に、ファイルの背後にある世界を特定することです。 我々は、環境、タスク、ルーブリックを明示的なメカニズムから合成するマルチエージェントエンジンであるData Worldを紹介する。 独立した監査は、観測されたファイルからターゲットのリカバリ性をチェックする。 質問リアリズムのための人間の嗜好に基づくキュレーションは、データワールドベンチのための50の保持された世界と16の領域で100のタスクを選択する。 エンジンは1,037個の不規則世界から2,135個の訓練タスクを出力する。 10つのフロンティアモデルの評価は、特に洞察発見においてベンチマークが依然として困難であり、一貫した計算と目視のギャップがあることを示している。 合成タスクにおけるRL-ゼロのトレーニングは、Qwen3.6-35B-A3BからDataWorld-35B-A3Bを軌道蒸留なしで生成する。 一致した評価では、DataWorld-Benchが7.06ポイント、DACompが14.28ポイント、DABstep-Hardが20.90、JobBenchが12.13ポイント改善されている。

関連論文リスト

• 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)
• HappyWorld-Bench [81.97217706051495]
  HappyWorld-Benchは、エージェントがエージェントと対話する際に生成された世界が信頼できるかどうかを評価するベンチマークである。 HappyWorld-Benchは1,138の動画プロンプト、300の空間シーン、254のテストケースで構成されている。 この統合された枠組みの下で,14の映像世界モデル,9つの空間システム,8つの具体的候補を評価した。
  論文  参考訳（メタデータ） (2026-09-21T09:07:30Z)
• Qwen-CUA: Native Computer Use for (almost) Everything [104.78368489343713]
  本稿では,Qwen-CUAについて紹介する。 DOMツリー、アクセシビリティメタデータ、タスク固有のAPIなしで、スクリーンショットのみを観察し、キーボードやマウスのイベントを通じて動作します。 足場は最大20個のアクティブなスクリーンショットを保持し、最近の証拠を保持するために固定サイズのブロックで古い視覚履歴を折り畳む。
  論文  参考訳（メタデータ） (2026-08-03T15:04:20Z)
• OSWorld2.0: Benchmarking Computer Use Agents on Long-Horizon Real-World Tasks [98.07146747892239]
  OSWorld 2.0は、日常的および専門的なタスクにまたがる108の長い水平コンピュータ使用のベンチマークである。 各タスクは現実的なエンド・ツー・エンドのワークフローを表しており、人間のユーザーの中央値は1.6時間である。
  論文  参考訳（メタデータ） (2026-06-28T17:59:17Z)
• Tool-Augmented Reward Modeling [58.381678612409]
  本稿では,外部環境へのアクセスによるRMの強化により,制約に対処するツール拡張された嗜好モデリング手法であるThemisを提案する。 我々の研究は、外部ツールをRMに統合し、様々な外部ソースとの相互作用を可能にすることを目的としている。 人間の評価では、テミスで訓練されたRLHFはベースラインと比較して平均32%の勝利率を得る。
  論文  参考訳（メタデータ） (2023-10-02T09:47:40Z)

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。