論文の概要: OfficeTown: Generative Organizations for Evolving Agent Intelligence
- arxiv url: http://arxiv.org/abs/2610.23194v1
- Date: Fri, 16 Oct 2026 09:32:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-20 00:56:07.854304
- Title: OfficeTown: Generative Organizations for Evolving Agent Intelligence
- Title（参考訳）: OfficeTown: エージェントインテリジェンスを進化させるための生成組織
- Abstract要約: プロフェッショナル組織のための生成シミュレーションフレームワークであるOfficeTownを紹介する。
OfficeTownは、メンバが作業をコーディネートし、アシスタントエージェントに境界付けられたタスクを委譲し、成果物を確認する組織を初期化する。
8つの専門ドメインにわたる23のシミュレーション組織から,406のタスクと4,836の評価基準でOfficeTown Benchを構築した。
- 参考スコア（独自算出の注目度）: 53.74363339353501
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: AI agents increasingly use files and software tools to produce professional deliverables. Such work draws on materials, decisions, and feedback accumulated across assignments. We introduce OfficeTown, a generative simulation framework for professional organizations in which tasks and their context arise from continuing organizational work. From a natural-language description of an organization's purpose and activities, OfficeTown initializes an organization whose members coordinate work, delegate bounded assignments to assistant agents, and review their deliverables. Artifacts, decisions, and unresolved matters persist and shape subsequent work, while responsibilities and permissions determine what each member can see and do. We curate work requests, their context, and review feedback into executable resources for evaluation and learning. We construct OfficeTown Bench with 406 tasks and 4,836 evaluation criteria from 23 simulated organizations across eight professional domains, incorporating domain-expert feedback. Frontier-model evaluations reveal substantial remaining headroom. Supervised fine-tuning and on-policy distillation on OfficeTown data substantially improve Qwen3.5-9B on external professional-work benchmarks, including GDPval. Supplementary evaluations show that the principal--assistant harness achieves higher scores than the single- and multi-agent baselines tested. These results highlight the value of organizational simulation in generating work-grounded data and environments for the continued development of generalist agents.
- Abstract（参考訳）: AIエージェントは、ファイルやソフトウェアツールを使ってプロの配達品を生産する。
このような仕事は、課題にまたがって蓄積された材料、決定、フィードバックに基づいています。
タスクとそのコンテキストが組織作業の継続から生じる,プロフェッショナル組織のための生成シミュレーションフレームワークであるOfficeTownを紹介する。
組織の目的と活動に関する自然言語による説明から、OfficeTownは、メンバが作業を調整する組織を初期化し、アシスタントエージェントに境界付けられた任務を委譲し、成果をレビューする。
成果物、決定、未解決事項は継続し、その後の作業を形成する。
作業要求とそのコンテキストをキュレートし、評価と学習のための実行可能なリソースにフィードバックをレビューします。
ドメインエキスパートのフィードバックを取り入れたOfficeTown Benchを406のタスクと4,836の評価基準で構築する。
フロンティアモデル評価は、かなりの残存するヘッドルームを明らかにしている。
OfficeTownデータによる細調整とオンライン蒸留により、GDPvalを含む外部のプロフェッショナルワークベンチマークのQwen3.5-9Bが大幅に改善された。
補助評価の結果, 主補助ハーネスは単エージェントベースラインや多エージェントベースラインよりも高いスコアが得られることがわかった。
これらの結果は、ジェネラリストエージェントの継続的な開発のためのワークグラウンドのデータと環境の生成における組織シミュレーションの価値を強調した。
関連論文リスト
- KUPAS MASTER: Distilling the Tacit Expertise of Master Practitioners into Agent-Ready Experience Corpora [45.692488398289356]
KUPAS MASTERは9層認知コーパス構築を中心に構築された経験工学プラットフォームである。
ヘテロジニアスな仕事の記録と実践者のインタビューを、エージェントのための追跡可能で再利用可能な体験コーパスに変える。
プラットフォームはこれらの資産を明示的な入力、ステップ、依存関係、停止条件で呼び出し可能なスキルにパッケージする。
論文 参考訳（メタデータ） (2026-09-29T14:27:06Z) - 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) - Agentick: A Unified Benchmark for General Sequential Decision-Making Agents [30.028388632526745]
Agentickはシーケンシャルな意思決定エージェントのベンチマークである。
プロシージャで生成されたタスクは6つの機能カテゴリ、難易度レベル4、観察モード5で37になる。
27のコンフィグレーションと90,000以上のエピソードにまたがる評価では、単一のアプローチが支配的でないことが示されている。
論文 参考訳（メタデータ） (2026-05-07T19:12:03Z) - Auto-Eval Judge: Towards a General Agentic Framework for Task Completion Evaluation [4.08768677009363]
本稿では,タスク領域に依存しないエージェントタスク完了を評価するための,汎用的でモジュール化されたフレームワークを提案する。
GAIAとBigCodeBenchの2つのベンチマークでMagentic-One Actor Agentを評価することで、我々のフレームワークを検証する。
我々の審査員は、人間の評価と密接に一致したタスクの成功を予測し、それぞれ4.76%と10.52%のアライメント精度を達成した。
論文 参考訳（メタデータ） (2025-08-07T15:39:48Z) - 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) - Generative Organizational Behavior Simulation using Large Language Model based Autonomous Agents: A Holacracy Perspective [27.18400539971873]
CareerAgentは、大規模言語モデルに基づく自律エージェントを使用して、ホラクラシー組織のための生成シミュレーションフレームワークを構築することを目指している。
組織レベルでは、マネジメント能力と機能能力の平均値の増加は、メンバー全体のストレスレベルを低下させる可能性がある。
ソーシャルネットワークの分析から,有能なメンバが特定のタスクに選択的に参加し,より多くの責任を負うことがわかった。
論文 参考訳（メタデータ） (2024-08-05T13:39:03Z) - WebArena: A Realistic Web Environment for Building Autonomous Agents [92.3291458543633]
我々は、非常に現実的で再現可能な言語誘導エージェントのための環境を構築する。
我々は,Web上でタスクを実行するエージェントに着目し,4つの共通ドメインから完全に機能するWebサイトを持つ環境を構築する。
タスク完了の関数的正しさを評価することに焦点を当てたベンチマークタスクのセットをリリースする。
論文 参考訳（メタデータ） (2023-07-25T22:59:32Z)
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。