论文页面 - WorkRover：通过递归环境演化扩展长时程协作智能体训练

来源：https://huggingface.co/papers/2610.18067 作者：

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

摘要

扩展交互式环境对于通过强化学习训练长时程智能体至关重要。这些环境在初步生成后通常需要进一步测试和完善，而修复任务中的缺陷也可能需要更新其工作上下文和验证器。然而，现有的构建流程在进行此类迭代细化、同时保持各组件一致性方面支持有限。我们提出 WorkRover，一个通过递归环境演化训练长时程协作智能体的框架。其 harness 驱动的合成机制使构建智能体能够共同构建并验证语义对齐的工作上下文、可执行任务以及基于证据的验证器，并根据工作区状态和执行反馈调整其行动，而非遵循固定的构建工作流。为支持环境演化，我们提出因子兼容性重放（Factorial Compatibility Replay, FCR），该方法利用 rollout 反馈评估组件修订的组合，通过依赖闭合重放，在保持任务要求和评估约束的前提下，从测试的候选中选取最小的已验证修复方案。为提供更细粒度的训练信号，我们提出验证器到轮次的信用分配（Verifier-to-Turn Credit Assignment, VTCA），它在轨迹级 GRPO 优势上叠加来自确定性工作区进度检查的信号，并利用记录的工具输出和产物依赖关系，将有界比例的正向进度信用分配给前置轮次。借助 WorkRover，我们对 Qwen3.5-35B-A3B 进行后训练得到 WorkRover-35B-A3B，并在多个协作智能体基准上进行评估。其报告得分在 JobBench 上超过 Qwen3.5-35B-A3B 26.27 个百分点，在 OfficeQAPro 上超过 29.32 个百分点，在 GDPvalv2 上超过 413.25 Elo 分。这些结果表明，WorkRover 为长时程协作智能体的可扩展训练提供了一个有前景的基础。

查看 arXiv 页面 (https://arxiv.org/abs/2610.18067) 查看 PDF (https://arxiv.org/pdf/2610.18067) 项目页面 (https://workrover.github.io/) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2610.18067)

在你的智能体中获取本文：

hf papers read 2610.18067

没有最新版 CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用本文的模型 0

没有模型链接到本文

在模型 README.md 中引用 arxiv.org/abs/2610.18067，即可从此页面链接它。

引用本文的数据集 0

没有数据集链接到本文

在数据集 README.md 中引用 arxiv.org/abs/2610.18067，即可从此页面链接它。

引用本文的 Spaces 0

没有 Space 链接到本文

在 Space README.md 中引用 arxiv.org/abs/2610.18067，即可从此页面链接它。

包含本文的收藏 0

没有收藏包含本文

将本文添加到收藏 (https://huggingface.co/new-collection) 即可从此页面链接它。