論文の概要: WorkFactory: Turning Professional Intents into Executable Work for Scalable Agent Training

• arxiv url: http://arxiv.org/abs/2610.37161v1
• Date: Tue, 27 Oct 2026 12:54:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-28 21:04:31.627446
• Title: WorkFactory: Turning Professional Intents into Executable Work for Scalable Agent Training
• Title（参考訳）: WorkFactory: プロフェッショナルなインテントを、スケーラブルなエージェントトレーニングのための実行可能な作業に変換する
• Abstract要約: WorkFactoryは、一貫性のある実行可能なプロフェッショナルタスクを構築するためのスケーラブルなフレームワークである。 612の職業と細いQwenモデルにまたがる112,686のタスクを4B,27B,35B-A3Bスケールで構築する。 スケール分析では、モデルに依存したリターンが減少し、実行時間が初めて増加し、その後減少する。
• 参考スコア（独自算出の注目度）: 47.310934098279354
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Scaling supervised training for working agents requires diverse professional tasks that yield reliable expert demonstrations. However, missing or inconsistent task information can obstruct teacher execution and weaken the resulting supervision. We propose WorkFactory, a scalable framework for constructing coherent and executable professional tasks. Starting from professional intents, information-level planning builds an information support graph to guide task instantiation, explicitly representing the dependencies and locations of information required for the intended outputs. Probe executions then identify support failures and guide repairs while preserving the intended work. We construct 112,686 tasks spanning 612 occupations and use the collected teacher trajectories to fine-tune Qwen models at 4B, 27B, and 35B-A3B scales, yielding the WorkPilot family. All three models improve over their respective base models across four professional-work benchmarks, with WorkPilot-35B-A3B improving from 879 to 1565 Elo on GDPval-AA v2.1. Scaling analyses reveal model-dependent diminishing returns, with execution length first increasing and then decreasing. Controlled component analyses show that planning and repair reduce probe-diagnosed task environment defects and improve downstream performance. The data and models are available at https://github.com/IQuestLab/WorkFactory.
• Abstract（参考訳）: 作業員のための教師付きトレーニングのスケーリングには、信頼性の高い専門家のデモンストレーションを提供する多様な専門的なタスクが必要である。 しかし、欠落したタスク情報や一貫性のないタスク情報は、教師の実行を妨げ、その結果の監督を弱める可能性がある。 協調的かつ実行可能なプロフェッショナルタスクを構築するためのスケーラブルなフレームワークであるWorkFactoryを提案する。 プロフェッショナルな意図から始めて、情報レベルプランニングはタスクのインスタンス化をガイドする情報サポートグラフを構築し、意図されたアウトプットに必要な情報の依存関係と場所を明確に表現する。 Probeの実行は、意図した作業を保持しながら、サポートの障害を特定し、修理をガイドする。 我々は、612の職業にまたがる112,686のタスクを構築し、収集した教師軌道を用いて4B,27B,35B-A3BスケールのQwenモデルを微調整し、WorkPilotファミリーを得る。 3モデルとも4つのプロフェッショナルワークベンチマークでそれぞれのベースモデルを改善し、GDPval-AA v2.1では、WorkPilot-35B-A3Bが879から1565 Eloに改善された。 スケール分析では、モデルに依存したリターンが減少し、実行時間が初めて増加し、その後減少する。 制御されたコンポーネント分析により、計画と修復により、プローブ診断されたタスク環境の欠陥が軽減され、下流の性能が向上することが示された。 データとモデルはhttps://github.com/IQuestLab/WorkFactory.comで入手できる。

関連論文リスト

• Evaluating Local Language Model Agents for Reproducible Data Engineering: An Empirical Software Engineering Study of Mobility Workflows [74.39138492851343]
  大規模言語モデル(LLM)エージェントは、ソフトウェアやデータエンジニアリングアシスタントとしてますます使われている。 ローカルオープンウェイトエージェントが正しい再現可能なデータエンジニアリングアーティファクトを作成できるかどうかを評価する。
  論文  参考訳（メタデータ） (2026-10-08T08:26:46Z)
• WorkGenesis: Building the Worlds That Teach Agents to Work [49.074190775312246]
  実世界のアーティファクトから実行可能な作業を構築するフレームワークであるWorkGenesisを紹介する。 Fx-Work-35Bは、単純な教師付き微調整(SFT)で訓練されたわずか20Kの作業で、全ての同等スケールのベースラインの中で最高点を達成している。
  論文  参考訳（メタデータ） (2026-09-30T09:00:34Z)
• SENTINEL: Failure-Driven Reinforcement Learning for Training Tool-Using Language Model Agents [52.758563996979596]
  言語モデルエージェントは、マルチターンツールの使用によって現実的なタスクを解決するのにますます効果的である。 SENTINELは障害駆動型強化学習フレームワークで,障害のロールアウトを目標とするトレーニングタスクに変換する。 Tau2-Bench Retail with Qwen3-4B-Thinking-2507では、SENTINELはPass1を66.4から74.9に改善し、Passkメトリクス全体にわたる一般的な合成タスクにおいてRLを上回っている。
  論文  参考訳（メタデータ） (2026-06-11T05:06:50Z)
• DARE-bench: Evaluating Modeling and Instruction Fidelity of LLMs in Data Science [31.00353091375463]
  DARE-benchは機械学習モデリングとデータサイエンスのインストラクションのためのベンチマークである。 6300のKaggleから派生したタスクで構成され、大規模なトレーニングデータと評価セットの両方を提供する。 DARE-benchトレーニングタスクを微調整に使用すると、モデルのパフォーマンスが大幅に向上する。
  論文  参考訳（メタデータ） (2026-02-27T18:58:57Z)
• VQA Training Sets are Self-play Environments for Generating Few-shot Pools [2.556825820539693]
  本稿では,タスクメトリクスを報酬として計算環境を構築するために,既存のトレーニングセットを直接利用できる手法を提案する。 提案手法は、ゼロショットプロンプトから始まり、トレーニングセット上のタスクメトリックを最大化する少数ショット例を選択することにより、反復的にそれらを洗練する。 我々の実験では、GeminiがScreenAIのようなより小型で特殊なモデルを使って、トレーニングセットのパフォーマンスを反復的に改善する方法を実証している。
  論文  参考訳（メタデータ） (2024-05-30T07:38:58Z)
• Specialist or Generalist? Instruction Tuning for Specific NLP Tasks [58.422495509760154]
  包括的汎用的チューニングを取り入れることで,スペシャリストモデルの構築に寄与するかどうかを検討する。 実験では,異なる範囲で4つの目標タスクを評価した。 この効果は、タスク固有のトレーニングデータの量が限られている場合に特に顕著である。
  論文  参考訳（メタデータ） (2023-10-23T19:46:48Z)
• Do Models Really Learn to Follow Instructions? An Empirical Study of Instruction Tuning [37.01833561948585]
  命令チューニング(IT)に関する最近の研究は、目に見えないタスクに対してゼロショットの一般化性で大きな成果を上げている。 我々は、モデルトレーニングと変更した命令と元の命令とを比較して、モデルがどのようにITのインストラクションを利用するかを分析する。
  論文  参考訳（メタデータ） (2023-05-19T02:00:47Z)
• Composite Learning for Robust and Effective Dense Predictions [81.2055761433725]
  マルチタスク学習は、目標タスクを補助タスクと協調的に最適化することで、より優れたモデル一般化を約束する。 自己監督型(補助的)タスクと密接な予測(目標)タスクを共同でトレーニングすることで、目標タスクの性能を継続的に向上し、補助タスクのラベル付けの必要性を排除できることが判明した。
  論文  参考訳（メタデータ） (2022-10-13T17:59:16Z)

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。