論文の概要: Navalia: Advancing Cowork Agents through Verifiable Task Synthesis and Long-Horizon Post-Training
- arxiv url: http://arxiv.org/abs/2610.26887v1
- Date: Tue, 13 Oct 2026 07:19:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-21 21:58:47.375087
- Title: Navalia: Advancing Cowork Agents through Verifiable Task Synthesis and Long-Horizon Post-Training
- Title（参考訳）: Navalia: 検証可能なタスク合成と長期訓練による作業エージェントの強化
- Abstract要約: Navaliaは、検証可能なタスク合成と長距離ポストトレーニングを組み合わせた、コワークエージェントのためのフレームワークである。
筆者らは,Navaliaがエビデンス統合,ツール使用,長期タスク実行機能を改善することを実証した。
- 参考スコア（独自算出の注目度）: 15.05939575231829
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Large language model (LLM) agents are evolving from conversational assistants into Cowork Agents capable of autonomous planning, tool use, and complex task execution. Financial analysis requires these agents to integrate cross-document evidence and perform multistep numerical reasoning, but expert task authoring is costly, while direct LLM synthesis struggles to produce challenging tasks with reliable answers. We introduce Navalia, a framework for Cowork Agents that combines verifiable task synthesis with long-horizon post-training. Using corporate financial reports as its data source, Navalia semantically selects supporting evidence from complete fact sets and constructs executable computation chains to generate analytical tasks with traceable evidence and actual data dependencies between steps. We further use independent LLM review and programmatic checks to verify evidence consistency and answer correctness. The verified tasks are then used for trajectory collection, cold-start supervised fine-tuning (SFT), and reinforcement learning (RL) to improve long-horizon task execution. Navalia, initialized from Qwen3.6-35B-A3B, achieves consistent gains over the base model across all five benchmarks: OfficeQA Pro, FinSearchComp, Finance Agent Benchmark, APEX-Agents-AA, and Workspace-Bench-Lite. These results demonstrate that Navalia improves evidence integration, tool use, and long-horizon task execution capabilities and generalizes to broader Cowork settings, including general office tasks.
- Abstract（参考訳）: 大規模言語モデル(LLM)エージェントは、会話アシスタントから、自律的な計画、ツールの使用、複雑なタスク実行が可能なコワーキングエージェントへと進化している。
財務分析では、これらのエージェントはクロスドキュメントの証拠を統合し、多段階の数値推論を行う必要があるが、専門家のタスクオーサリングはコストがかかる。
検証可能なタスク合成と長距離ポストトレーニングを組み合わせた,コワーキングエージェントのためのフレームワークであるNavaliaを紹介する。
企業財務報告をデータソースとして、Navaliaは、完全なファクトセットからサポートエビデンスをセマンティックに選択し、実行可能計算チェーンを構築して、トレース可能なエビデンスとステップ間の実際のデータ依存関係を備えた分析タスクを生成する。
さらに、独立したLCMレビューとプログラムによるチェックを使用して、証拠の整合性を検証し、正解する。
検証されたタスクは、軌跡収集、冷間開始制御微調整(SFT)、強化学習(RL)に使用され、長期タスクの実行を改善する。
NavaliaはQwen3.6-35B-A3Bから初期化され、OfficeQA Pro、FinSearchComp、FinSearch Agent Benchmark、APEX-Agents-AA、Workspace-Bench-Liteの5つのベンチマークでベースモデルに対して一貫した利益を得ている。
これらの結果は、Navaliaがエビデンス統合、ツール使用、長期タスク実行機能を改善し、一般的なオフィスタスクを含むより広いコワーク設定に一般化することを実証している。
関連論文リスト
- Librarian Agents: Training LLMs to Curate Long-Context Workspaces that Anticipate Future Queries [61.486885079210055]
構築者エージェントが生文書を階層的な合成ファイルと参照リンクに変換するフレームワークであるLibrarian Agentsを導入し、下流の応答エージェントに適したワークスペースを形成する。
経験的に、ライブラリアンエージェントはBrowseComp-Plusで最強の検索と事前計算のベースラインを33ポイント上回り、繰り返しクエリで事前構築コストを償却し、31ポイント平均精度の改善でBRIGHT上の未確認領域にゼロショットを一般化する。
論文 参考訳（メタデータ） (2026-10-15T17:35:17Z) - The Hard Part Comes After Search: Benchmarking Web Agents on Synthesizing, Organizing, and Displaying Knowledge [37.21080040024616]
KNOWSは、これらの機能を共同で評価する、オープンで複雑なブラウザベースのタスクのベンチマークである。
タスクを書くためには,タスクが要求を満たすことを保証するためのタスク設計とプロトコルを開発する。
我々は、フロンティアコンピュータ利用エージェントとブラウザベースのハーネスを評価し、分析する。
論文 参考訳（メタデータ） (2026-09-24T22:36:10Z) - 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) - When LLMs Team Up: A Coordinated Attack Framework for Automated Cyber Intrusions [27.62993988829038]
本稿では,侵入型タスク分析のための協調型マルチエージェントフレームワークであるCAESARを提案する。
CAESARはワークフローを5つの型付きロールに分解し、境界付きプロトコルを介してそれらを調整する。
予算とツールアクセスが一致した単一エージェントベースラインと比較して、CAESARはタスクの成功を改善し、パフォーマンスのばらつきを低減する。
論文 参考訳（メタデータ） (2026-05-09T07:47:42Z) - Towards Multi-Agent Autonomous Reasoning in Hydrodynamics [0.06999740786886537]
本稿では,多エージェントをレイヤ実行グラフ(LEG)を介して協調させる,流体力学のためのマルチエージェントシステム(MAS)のプロトタイプを提案する。
プランナーエージェントは、ドメイン知識を厳密な制御ロジックとしてハードコーディングすることなく、自然言語ルーティングからクエリ固有の実行トポロジを構築する。
レポーターエージェントが最終応答を合成し、ランタイムが監査性をサポートするためのツール呼び出し毎に証明をログする。
論文 参考訳（メタデータ） (2026-05-01T21:17:55Z) - AgentPRM: Process Reward Models for LLM Agents via Step-Wise Promise and Progress [71.02263260394261]
大規模言語モデル(LLM)は、マルチターン意思決定タスクにおいて依然として課題に直面している。
プロセス報酬モデル(PRM)を構築し、各意思決定を評価し、エージェントの意思決定プロセスを導く。
AgentPRMは、シーケンシャルな決定と最終的な目標への貢献の間の相互依存の両方をキャプチャする。
論文 参考訳（メタデータ） (2025-11-11T14:57:54Z) - FABRIC: Framework for Agent-Based Realistic Intelligence Creation [3.940391073007047]
大規模言語モデル(LLM)はエージェントとしてますます多くデプロイされ、目標を分解し、ツールを実行し、動的環境で結果を検証することが期待されている。
本稿では,LLMのみを用いたエージェントデータの統一化フレームワークを提案する。
論文 参考訳（メタデータ） (2025-10-20T18:20:22Z) - Visual Document Understanding and Question Answering: A Multi-Agent Collaboration Framework with Test-Time Scaling [83.78874399606379]
テスト時間スケーリングを備えたマルチエージェント協調フレームワークであるMACTを提案する。
4つの異なる小規模エージェントから構成され、明確に定義された役割と効果的なコラボレーションがある。
一般および数学的タスクの能力を犠牲にすることなく、より小さなパラメータスケールで優れた性能を示す。
論文 参考訳（メタデータ） (2025-08-05T12:52:09Z) - Cross-Task Experiential Learning on LLM-based Multi-Agent Collaboration [63.90193684394165]
マルチエージェント・クロスタスク体験学習(MAEL)は,LSM駆動型エージェントに明示的なクロスタスク学習と経験蓄積を付与する新しいフレームワークである。
経験的学習フェーズでは、タスク解決ワークフローの各ステップの品質を定量化し、その結果の報酬を記憶する。
推論中、エージェントは、各推論ステップの有効性を高めるために、いくつかの例として、高頻度のタスク関連体験を検索する。
論文 参考訳（メタデータ） (2025-05-29T07:24:37Z) - TaskBench: Benchmarking Large Language Models for Task Automation [82.2932794189585]
タスク自動化における大規模言語モデル(LLM)の機能を評価するためのフレームワークであるTaskBenchを紹介する。
具体的には、タスクの分解、ツールの選択、パラメータ予測を評価する。
提案手法は, 自動構築と厳密な人的検証を組み合わせることで, 人的評価との整合性を確保する。
論文 参考訳（メタデータ） (2023-11-30T18:02:44Z)
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。