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

• arxiv url: http://arxiv.org/abs/2610.37161v2
• Date: Tue, 03 Nov 2026 09:10:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-04 23:36:30.362958
• 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: プロの意図を実行可能なタスク環境に変換するタスク構築フレームワークであるWorkFactoryを紹介します。 WorkFactoryは、タスク環境内の情報要件、依存関係、場所を明示的に表現するセマンティックグラフを構築する。 WorkFactoryを使って、612の職業にまたがる112,686のタスクを構築し、4B、27B、35B-A3BスケールでWorkPilotファミリーをトレーニングします。
• 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 fine-tuning for working agents requires not only broad coverage of professional tasks, but also expert demonstrations that faithfully carry out professional workflows to completion. However, missing or inconsistent task information can disrupt expert demonstrations, weakening the resulting supervision. We introduce WorkFactory, a scalable task-construction framework that turns professional intents into executable task environments through hybrid intent sourcing, semantic workflow planning, and execution-based repair. Starting from these intents, WorkFactory constructs a Semantic Workflow Graph that explicitly represents information requirements, dependencies, and locations within the task environment. The graph guides the instantiation of task environments, while an adversarial execution-refinement loop exposes missing or inconsistent information and steers targeted repairs that preserve the original intent. Using WorkFactory, we construct 112,686 tasks spanning 612 occupations and train the WorkPilot family at 4B, 27B, and 35B-A3B scales on the resulting teacher trajectories. All three models improve over their respective base models across four professional-work benchmarks, with WorkPilot-35B-A3B rising from 879 to 1565 Elo on GDPval-AA v2.1. Scaling experiments with up to 110k tasks further show that larger models benefit more from additional task data but exhibit diminishing returns at smaller data scales, while WorkPilot's long-horizon execution evolves from verbose trajectories toward more efficient task completion. Controlled component studies quantify the negative effects of task-environment defects on downstream performance and show how semantic workflow planning and execution-based repair yield downstream gains through improved task-environment quality. The subset of data are available at https://github.com/IQuestLab/WorkFactory.
• Abstract（参考訳）: 作業員の監督された微調整をスケールするには、専門的なタスクを広範囲にカバーするだけでなく、専門的なワークフローを忠実に完了させる専門家のデモンストレーションも必要である。 しかし、不足または矛盾したタスク情報は専門家のデモンストレーションを妨害し、その結果の監督を弱める可能性がある。 私たちはWorkFactoryというスケーラブルなタスク構築フレームワークを紹介します。これは、プロの意図をハイブリッドインテントソーシング、セマンティックワークフロー計画、実行ベースの修復を通じて実行可能なタスク環境に変換するものです。 これらの意図から、WorkFactoryは、タスク環境内の情報要件、依存関係、場所を明示的に表現するSemantic Workflow Graphを構築する。 グラフは、タスク環境のインスタンス化をガイドし、対向的な実行制限ループは、欠落した情報や一貫性のない情報を公開し、元の意図を保存した修正をステアが対象とする。 WorkFactoryを用いて、612の職業にまたがる112,686のタスクを構築し、4B、27B、35B-A3BでWorkPilotファミリーをトレーニングし、その結果の教師軌道上でスケールする。 3つのモデルはすべて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WorkPilot-35B-A3Bは879から1565 Eloに上昇した。 最大110kのタスクで実験をスケールすると、より大きなモデルはタスクデータの追加による恩恵を受けるが、より小さなデータスケールでリターンが減少することを示している。 制御されたコンポーネント研究は、タスク環境欠陥が下流のパフォーマンスに与える影響を定量化し、タスク環境の品質を改善して、セマンティックなワークフロー計画と実行ベースの修復が下流にどのような影響を及ぼすかを示す。 データのサブセットは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。