论文页面 - Cowork-Gym：大规模合成交互式工作环境

来源：https://huggingface.co/papers/2610.17670 作者：

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

摘要

Cowork-Gym 通过迭代验证合成协作式智能体环境，并训练 Qwen 模型，显著提升其在智能体基准测试中的表现。

协作智能体需要处理工具与文件之间的依赖关系，同时适应不断变化的用户需求以及共享工作空间中的编辑。扩展此类环境的规模，需要保持任务目标、可执行资源、用户行为和成功标准之间的一致性。我们提出 Cowork-Gym，这是一个通过构建—执行—修订循环 (https://huggingface.co/papers?q=build-execute-revise%20loop)合成协作环境的框架，利用执行证据和评审反馈来验证并修复生成的环境。为模拟真实的协作动态，有状态用户模拟器 (https://huggingface.co/papers?q=stateful%20user%20simulator)通过对话和对共享工作空间的直接编辑来响应智能体的操作。我们合成了覆盖 14 种应用场景的 64.9K 个环境，并利用这些环境，通过监督微调 (https://huggingface.co/papers?q=supervised%20fine-tuning)、强化学习 (https://huggingface.co/papers?q=reinforcement%20learning)和同策略蒸馏 (https://huggingface.co/papers?q=on-policy%20distillation)，对 9B、27B 和 35B-A3B Qwen 模型进行后训练。在六项智能体基准测试中，这些模型的平均得分较各自对应的基础检查点分别提高了 8.7、6.4 和 4.1 分。Ours-27B 在受评模型中综合排名第二，并在 PawBench 和 ClawEval 上取得最高平均得分，在这两项基准测试中均超过了总参数量逾 100B 的模型。

查看 arXiv 页面 (https://arxiv.org/abs/2610.17670)查看 PDF (https://arxiv.org/pdf/2610.17670)项目页面 (https://huggingface.co/spaces/agentscope-ai/Cowork-Gym)添加到收藏集 (https://huggingface.co/login?next=%2Fpapers%2F2610.17670)

引用此论文的模型0

暂无关联此论文的模型

在模型的 README.md 中引用 arxiv.org/abs/2610.17670，即可从此页面关联该模型。

引用此论文的数据集0

暂无关联此论文的数据集

在数据集的 README.md 中引用 arxiv.org/abs/2610.17670，即可从此页面关联该数据集。

引用此论文的 Space0

暂无关联此论文的 Space

在 Space 的 README.md 中引用 arxiv.org/abs/2610.17670，即可从此页面关联该 Space。

包含此论文的收藏集0

暂无包含此论文的收藏集

将此论文添加到收藏集 (https://huggingface.co/new-collection)，即可从此页面关联该收藏集。