論文の概要: CoworkOS:Scaling Agent Coworkers for Real-world Automation

• arxiv url: http://arxiv.org/abs/2611.03178v1
• Date: Mon, 02 Nov 2026 14:15:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-04 23:36:30.608724
• Title: CoworkOS:Scaling Agent Coworkers for Real-world Automation
• Title（参考訳）: CoworkOS:Scaling Agent Coworkers for Real-world Automation
• Abstract要約: CoworkOSは、タスク戦略と実行管理を分離した長期作業のための汎用ハーネスである。 その3層アーキテクチャは、同期または非同期に、直接実行またはSubagentへのデリゲートを可能にする。 CoworkOSは、CodexやDeepSeek Harnessのようなフロンティアエージェントアプリケーションと非常に競合している。
• 参考スコア（独自算出の注目度）: 180.09759795001852
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Rapid advances in cowork agents are shifting human-AI collaboration toward real-world automation, delivering software, designs, and other artifacts. However, such productivity work demands both high-quality delivery on complex productivity tasks and continued monitoring and decision-making over long horizons, a combination that remains an open challenge. We introduce CoworkOS, a general-purpose harness for long-horizon work that separates task strategy from execution management: the model decides actions, delegation, and acceptance, while the runtime maintains state and feedback. Its three-layer architecture enables direct execution or delegation to Subagents, synchronously or asynchronously, under stable responsibilities. Through a shared application layer, humans and agents inspect and revise the same evolving documents, presentations, CAD models, and Blender scenes, so human-in-the-loop participation can enter both through conversation and through direct modification of the work itself. To sustain continuity across agents and sessions, CoworkOS further introduces hierarchical workspaces and persistent semantic memory, so working files, key decisions, and long-running Job logs remain shareable, reusable, and resumable after interruption. Across 12 benchmarks and 6 categories of real-world applications, CoworkOS proves highly competitive with frontier agent applications such as Codex and DeepSeek Harness. As a sustained-work case study, CoworkOS uses GLM-5.3 as its backbone to conduct RSI-driven automated post-training on Qwen3.6-35B-A3B. Over five rounds, the model's average score across eight benchmarks rose from 33.19 to 42.95 (+9.76). Looking ahead, we believe CoworkOS opens a meaningful path toward general cowork-agent intelligence.
• Abstract（参考訳）: コラボレーションエージェントの急速な進歩は、人間とAIのコラボレーションを現実の自動化へとシフトさせ、ソフトウェアやデザイン、その他のアーティファクトを提供する。 しかし、このような生産性の仕事は、複雑な生産性タスクにおける高品質なデリバリと、長期にわたる監視と意思決定の継続の両方を必要とします。 私たちはCoworkOSを紹介します。これはタスク戦略と実行管理を分離する長期作業のための汎用ハーネスで、モデルがアクション、デリゲート、受け入れを決定し、ランタイムは状態とフィードバックを維持します。 その3層アーキテクチャは、安定した責務の下で、同期または非同期で、Subagentへの直接実行またはデリゲートを可能にする。 共有アプリケーションレイヤを通じて、人間とエージェントは同じ進化するドキュメント、プレゼンテーション、CADモデル、ブレンダーのシーンを検査し、修正する。 エージェントやセッション間の連続性を維持するため、CoworkOSはさらに階層的なワークスペースと永続的なセマンティックメモリを導入している。 12のベンチマークと6つの実世界のアプリケーションカテゴリで、CoworkOSはCodexやDeepSeek Harnessのようなフロンティアエージェントアプリケーションと非常に競合している。 持続的なケーススタディとして、CoworkOSはGLM-5.3をバックボーンとして使用し、Qwen3.6-35B-A3B上でRSI駆動の自動後トレーニングを行う。 5ラウンドで8つのベンチマークの平均スコアは33.19から42.95(+9.76)に上昇した。 今後は、CoworkOSが一般的なコワーキングエージェントインテリジェンスへの重要な道を開くと信じている。

関連論文リスト

• World of SWECraft: Agent Collaboration at Scale via Simulated Software Worlds [111.6144693908836]
  Software Worldはマルチエージェントソフトウェアエコシステムをシミュレートするためのフレームワークである。 シミュレーションでは、エージェントは、ソフトウェア効率を改善するという高いレベルの目標を持って、世界中のパッケージを維持します。 ほとんどのエージェントはコラボレーションを通じて意味のあるタスクを見つけることができるが、いくつかのモデルは早めに改善を探すのをやめることができる。
  論文  参考訳（メタデータ） (2026-10-16T17:59:39Z)
• InstAgent: A Recursively Self-Improving Agent Operating System for Heterogeneous Robot Collaboration [30.067517431546648]
  不均一なロボットチームは、補完的なセンシング、モビリティ、操作能力を組み合わせることで、複雑で長期にわたるタスクを可能にする。 既存のシステムは、再利用可能なエクスペリエンスとして実行時の修正を維持するのに苦労しています。 異種ロボットコラボレーションのためのセルフエージェントオペレーティングシステムInstAgentを提案する。
  論文  参考訳（メタデータ） (2026-10-16T08:10:51Z)
• Cowork-Gym: Synthesizing Interactive Work Environments at Scale [79.11567848319275]
  ワークエージェントは、ツールやファイル間の依存関係をナビゲートし、ユーザ要求の変更や共有ワークスペースへの編集に適応する。 Cowork-Gymは、ビルド・実行・修正ループを通じてCowork環境を合成するフレームワークです。 現実的なコワークダイナミクスをキャプチャするために、ステートフルユーザシミュレータは対話を通じてエージェントのアクションに応答し、共有ワークスペースに直接編集する。
  論文  参考訳（メタデータ） (2026-10-13T03:56:58Z)
• Occamy-1.0: Open Pareto-frontier 35B Intelligence for Co-work [51.29186915859486]
  本稿では, ポストトレーニング後のQwen3.6-35B-A3Bチェックポイントをさらにトレーニングし, コスト効率の良いコワークモデルであるOccamy-1.0を提案する。 我々は,複数のハーネスにまたがる再生可能な長距離軌跡を捕捉し,段階的なポストトレーニングを用いて補完的な実行機能を開発し,統合する。
  論文  参考訳（メタデータ） (2026-09-04T03:32:26Z)
• StructAgent: Harness Long-horizon Digital Agents with Unified Causal Structure [29.25570731801935]
  StructAgentは、コンパクトで検証可能なタスク進捗を維持するための状態中心のフレームワークである。 明確な進捗チェックポイント、エビデンス駆動のタスク補完、ターゲットとする障害回復、ツールサポートされた実行を可能にします。 デスクトップ環境を超えてMinecraftに一般化し、私たちのデザインの汎用性を実証します。
  論文  参考訳（メタデータ） (2026-07-13T10:48:25Z)
• Effective Strategies for Asynchronous Software Engineering Agents [52.76455094324273]
  本稿では,集中型タスクデリゲート,非同期実行,独立したワークスペースという,3つのSWEプリミティブに根ざした構造化マルチエージェント協調パラダイムを導入する。 CAIDは,紙再生タスク(PaperBench)では26.7%,Pythonライブラリ開発タスクでは14.3%,単一エージェントベースラインでは26.7%の精度向上を実現している。
  論文  参考訳（メタデータ） (2026-03-23T02:26:35Z)
• EmCoop: A Framework and Benchmark for Embodied Cooperation Among LLM Agents [18.802912315746564]
  EmCoopは、組み込みマルチエージェントシステムの協調を研究するためのベンチマークフレームワークである。 我々のフレームワークは、高レベルの認知層と低レベルのエンボディドインタラクション層を分離する。 コラボレーションの品質と障害モードを診断する,一般化可能なプロセスレベルのメトリクスを提案する。
  論文  参考訳（メタデータ） (2026-02-27T22:28:33Z)

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。