WorkForge خدام

WorkForge هو إطار لبناء بيئات تدريب الوكلاء الذكيين، طوّراتو بشكل مشترك Tencent Hunyuan وجامعة فودان. كيبدا WorkForge من مخطط سير العمل ديال الخبير، وكيقلب أوتوماتيكيا على موارد من العالم الحقيقي باش يبني فضاء خدمة، ومن بعد كينشئ المهام ومعايير التحقق المزدوج اعتمادا على الحقائق ديال فضاء الخدمة، وكيخلي الوكيل ينفذ ويولّد بيانات ديال مسار الإنجاز. دابا WorkForge بنا 16.7K بيئة قابلة للتحقق، كتشمل 40 مجال مهني، وقدر يرفع نتيجة GDPval ديال نموذج 35B بـ28 نقطة، ويقرّبها من مستوى النماذج المتقدمة.

بناء مخططات السيناريوهات: كيحوّل تجربة الخبراء لقوالب سير عمل قابلة لإعادة الاستعمال، وكيحدد المخرجات، والموارد المطلوبة، ونقط اتخاذ القرار الأساسية.
تركيب فضاءات خدمة حقيقية: وكيل الاكتساب كيبحث فالويب، وكيحمّل مستودعات الكود الحقيقية، ومجموعات البيانات، ومواد الويب، وكيبني فضاء الخدمة حسب البنية الأصلية ديال المجلدات.
استخراج بروفايل البيئة ونقط ارتكاز الحقائق: كيتعرف أوتوماتيكيا على الدور ديال كل ملف، والعلاقات ديال الاعتماد، وكيُسجل "دعم الحقائق" اللي يمكن التحقق منو مباشرة.
توليد المهام: كيجمع بين المخطط والبروفايل، وكيخرج تعليمات مهام وحلول مرجعية مخفية مبنية على المحتوى الفعلي ديال فضاء الخدمة.
آلية التحقق المزدوج: الفحص البرمجي كيتأكد من القيم وإنشاء الملفات، وحَكَم LLM كيقيّم الجودة الدلالية حسب معايير التنقيط.
جمع المسارات والتنقيط: الوكيل كينفذ بشكل مستقل فظروف ما كيبان ليه فيها غير فضاء الخدمة وشرح المهمة، وكيتحفظ المسار كامل مع النقطة كبيانات للتدريب.
إنتاج البيئات على نطاق واسع: بنقرة وحدة كتتولد 16.7K بيئة خدمة قابلة للتحقق، كتشمل 40 مجال مهني و60 نوع ديال الملفات.
التدريب اللاحق ديال الوكلاء: كيتستعمل المسارات الطويلة المتولدة فتهيئة النماذج، وكيحسن بشكل واضح القدرة ديالها على تنفيذ مهام العمل.

تصميم متكامل بين المهام والتحقق، مدفوع بنقط ارتكاز الحقائق: الفرضية الأساسية ديال WorkForge هي أن إمكانية طرح المهمة وإمكانية التحقق من النتيجة بجوجهم كيعتمدو على الحقائق القابلة للملاحظة داخل فضاء الخدمة. فالأول كيدير بروفايل شامل لفضاء الخدمة (Profiling)، وكيستخرج أدوار الملفات، والاعتماديات بين الملفات، وسجلات حقائق محددة يمكن التحقق منها. تعليمات المهمة، والحل المرجعي، وعناصر الفحص البرمجي، ومعايير التنقيط الدلالية كاملين كيتشتقو من هاد النقط، كما أن الحقائق الأساسية فالحل المرجعي كترجع لفضاء الخدمة باش يعاود يتأكد منها.
بناء تعقيد البيئة انطلاقا من الموارد الحقيقية: بخلاف فضاءات الخدمة المركبة بواسطة LLM، WorkForge كيستعمل وكيل اكتساب كينفذ بشكل متكرر دورة البحث—القراءة—التحميل—المعاينة، وكيجمع الموارد من المستودعات ومجموعات البيانات الحقيقية مع الحفاظ على البنية الأصلية ديال المجلدات. كتبيّن التجارب المقارنة أن عدد الملفات ففضاءات الخدمة الحقيقية كيساوي 5.4 مرات ديال البيئات المركبة، وأن أنواع الملفات كتوصل لـ2.4 مرة، وأن الأدلة موزعة فالشجرة كاملة ديال المجلدات وماشي مركزة فعدد قليل ديال الملفات، وهادشي كيفرض على الوكيل يستكشف قبل ما يحكم، وكيخلق احتكاكا حقيقيا فالتعامل وحاجة لتفاعلات طويلة المدى.
تحقق مزدوج برمجي ودلالي: وحدة التحقق مكونة من جوج أجزاء متكاملة: المتحقق البرمجي كيراقب المتطلبات الحتمية، بحال واش القيم صحيحة، وواش الملفات المستهدفة تخلقات، وواش حالة فضاء الخدمة مطابقة للتوقعات، وكيعطي النقاط باستعمال دالة المؤشر؛ والمتحقق الدلالي هو حَكَم LLM كيتضبط بتعليمات المهمة، وكيقيّم المخرجات المفتوحة بندا بندا حسب معايير التنقيط وكيطبّع النتيجة. النقط ديال المسارين كيتحافظ عليهم بشكل منفصل، والتجارب كتبيّن أن الغربلة المختلطة اللي كتجمع بيناتهم (ALE 22.11) أحسن بزاف من استعمال أي إشارة بوحدها (15.62 / 14.89)، حيث كل نوع ديال التحقق كيلتقط بُعد مختلف من جودة المخرجات.

WorkForge حاليا إطار بحثي، والورقة ما ذكرتش شي قناة عمومية للكود المصدري ولا لمجموعات البيانات.

واقعية أكبر: كيبني فضاءات الخدمة مباشرة من موارد العالم الحقيقي، وعدد الملفات، وعدد الأنواع، والحجم ديالها كيساوي على التوالي 5.4 مرات، و2.4 مرة، و13 مرة ديال البيئات المركبة بواسطة LLM، والأدلة موزعة فشجرة المجلدات وماشي مكشوفة كاملة فبلاصة وحدة.
التحقق قابل للتتبع: المهام، والحلول المرجعية، ومعايير التنقيط كاملين كيتشتقو من "نقط ارتكاز الحقائق" ديال فضاء الخدمة، والحقائق الأساسية كترجع لفضاء الخدمة باش يعاود يتأكد منها، وهادشي كيمنع متطلبات التقييم المبنية على الهلوسة.
تكامل التحقق المزدوج: الفحص البرمجي (القيم/الملفات) كيتجمع مع التنقيط الدلالي ديال LLM، والغربلة المختلطة كتفوق بزاف استعمال أي إشارة بوحدها.
التدريب على التفاعلات الطويلة: مسارات استكشاف حقيقية بمتوسط 31.8 خطوة و7.6 만 tokens، كتخلي النموذج يتعلم العملية الكاملة ديال الاستكشاف، وجمع الأدلة، وتصحيح الأخطاء، وتسليم المخرجات.
القدرة على التوسيع: خط أنابيب واحد كيخرج 16.7K بيئة كتشمل 40 مجال، وكيخفض بزاف التكلفة الهندسية مقارنة ببناء البيئات يدويا.
تحسن كبير فالأداء: نموذج A3B كيرفع GDPval بـ28.1 نقطة، وكيولي متفوق على جميع نماذج الوكلاء المتخصصة اللي أقل من 100B؛ ونموذج 27B كيتجاوز نموذج 397B اللي عندو 15 مرة أكثر من المعاملات.

الورقة التقنية فـ arXiv: https://arxiv.org/pdf/2610.04906

إنتاج بيانات تدريب الوكلاء: كينتج على نطاق واسع بيانات مسارات طويلة وعالية الجودة للشركات والمؤسسات البحثية، باش يدربو وكلاء العمل ديالهم فمرحلة ما بعد التدريب، ويتفادو عنق الزجاجة ديال تكلفة بناء البيئات يدويا.
تكوين الموظفين الرقميين: فـ40 مجال مهني بحال المكاتب، وتحليل البيانات، والمالية، والتعليم، كيدرّب "موظفين رقميين" قادرين يسلّمو مخرجات حقيقية بحال التقارير، والجداول، وعروض PPT.
تقييم قدرات الوكلاء: آلية التحقق المزدوج المبنية على نقط ارتكاز الحقائق تقدر تكون نموذجا للتقييم، باش تختبر قدرة الوكيل على الاستكشاف، وجمع الأدلة، وتسليم المخرجات وسط بيئات ملفات غير مرتبة.
رقمنة سير العمل المتخصص: من بعد ما كتكتب الشركة تجربة الخبراء الداخليين فشكل مخطط سيناريو، تقدر تولّد بسرعة وبكميات كبيرة نماذج مختلفة من نفس النوع ديال المهام، للاستعمال فالتدريب أو التقييم.
قاعدة لتطوير الوكلاء المتخصصين: فالمجالات المهنية اللي كتحتاج مقارنة بين ملفات متعددة المصادر، بحال الكوانت المالي، ومراجعة الكود، والتحقق من الامتثال، تقدر تكون WorkForge بنية تحتية للبيئة كتدعم تطوير قدرات منتجات الوكلاء اللي فوق منها.