论文页面 - OfficeTown：为智能体智能演化而构建的生成式组织

来源：https://huggingface.co/papers/2610.23194 发布于 10月16日

·

提交者：https://huggingface.co/hcwei

hcwei (https://huggingface.co/hcwei) 于 10月19日发布

作者：

,

,

,

,

,

,

,

,

,

,

,

,

摘要

OfficeTown 是一个生成式模拟框架，用于创建持久化的职业组织，从而为 AI 智能体生成基于实际工作的训练数据和评估基准。

AI 智能体越来越多地使用文件和软件工具来产出专业交付物。这类工作依赖于跨任务积累的材料、决策和反馈。我们提出了 OfficeTown——一个面向职业组织的生成式模拟框架（https://huggingface.co/papers?q=generative%20simulation%20framework），其中任务及其上下文源于持续进行的组织工作。通过用自然语言描述组织的目标和活动，OfficeTown 可以初始化一个组织，其成员协调工作、将范围受限的任务委派给助理智能体（https://huggingface.co/papers?q=assistant%20agents），并审核它们的交付物。工件、决策和未决事项会持续存在，并影响后续工作，而职责和权限则决定了每个成员可以看到什么、能做什么。我们将工作请求、其上下文以及审核反馈整理为可用于评估和学习的可执行资源。我们构建了 OfficeTown Bench，包含来自八个专业领域 23 个模拟组织的 406 个任务和 4,836 条评估标准，并纳入了领域专家的反馈。前沿模型的评估结果显示仍存在显著的提升空间。使用 OfficeTown 数据进行监督微调（https://huggingface.co/papers?q=Supervised%20fine-tuning）和在线策略蒸馏（https://huggingface.co/papers?q=on-policy%20distillation）显著提升了 Qwen3.5-9B 在外部专业工作基准测试中的表现，包括 GDPval。补充评估表明，主智能体-助理智能体的协作框架比所测试的单智能体和多智能体基线（https://huggingface.co/papers?q=multi-agent%20baselines）取得了更高的得分。这些结果凸显了组织模拟在生成基于实际工作的数据和环境方面的价值，有助于通用智能体的持续发展。

查看 arXiv 页面 (https://arxiv.org/abs/2610.23194)　查看 PDF (https://arxiv.org/pdf/2610.23194)　项目主页 (https://officeintelligence.github.io/)　添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2610.23194)

在你的智能体中获取此论文：

hf papers read 2610.23194

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

引用此论文的模型 0

暂无模型关联此论文

在模型 README.md 中引用 arxiv.org/abs/2610.23194 即可从此页面链接。

引用此论文的数据集 0

暂无数据集关联此论文

在数据集 README.md 中引用 arxiv.org/abs/2610.23194 即可从此页面链接。

引用此论文的 Spaces 0

暂无 Space 关联此论文

在 Space README.md 中引用 arxiv.org/abs/2610.23194 即可从此页面链接。

包含此论文的合集 0

暂无合集包含此论文

将此论文添加到合集 (https://huggingface.co/new-collection) 即可从此页面链接。