WorkForge آپریشن میں

WorkForge، Tencent Hunyuan اور Fudan University کی مشترکہ پیش کردہ ایجنٹ ٹریننگ ماحول کی تعمیر کا فریم ورک ہے۔ WorkForge ماہرین کے ورک فلو بلیو پرنٹس سے آغاز کرتے ہوئے حقیقی دنیا کے وسائل خودکار طور پر تلاش کرکے ورک اسپیس بناتا ہے، اور ورک اسپیس کے حقائق کی بنیاد پر کام اور دوہری تصدیق کے معیارات تیار کرتا ہے، تاکہ ایجنٹس کے عمل درآمد کے نتائج کے ٹریس ڈیٹا کو محفوظ کیا جا سکے۔ WorkForge نے 16.7K قابلِ تصدیق ماحول تیار کیے ہیں، جو 40 پیشہ ورانہ شعبوں پر محیط ہیں، اور 35B ماڈل کے GDPval اسکور میں 28 پوائنٹس کا اضافہ کر کے اسے جدید ترین ماڈلز کی سطح کے قریب لے جا سکتا ہے۔

منظرنامے کے بلیو پرنٹس کی تعمیر: ماہرین کے تجربے کو دوبارہ استعمال کے قابل ورک فلو ٹیمپلیٹس میں تبدیل کرنا، اور ڈیلیوری ایبلز، درکار وسائل اور اہم فیصلہ سازی کے مقامات متعین کرنا۔
حقیقی ورک اسپیس کی ترکیب: حصولی ایجنٹ ویب سے حقیقی کوڈ ریپوزٹریز، ڈیٹاسیٹس اور ویب مواد تلاش کرکے ڈاؤن لوڈ کرتا ہے، پھر اصل ڈائریکٹری ساخت کے مطابق ورک اسپیس بناتا ہے۔
ماحولیاتی پروفائل اور حقائق کے اینکرز کا اخذ: ہر فائل کے کردار اور انحصارات کو خودکار طور پر واضح کرنا، اور براہِ راست جانچے جا سکنے والے ”حقیقی شواہد“ درج کرنا۔
کاموں کی تیاری: بلیو پرنٹ اور پروفائل کو ملا کر ایسے کام کی ہدایات اور پوشیدہ حوالہ جاتی حل تیار کرنا جو ورک اسپیس کے حقیقی مواد سے جڑے ہوں۔
دوہرا تصدیقی نظام: پروگراماتی جانچ عددی صحت اور فائلوں کی تیاری کی تصدیق کرتی ہے، جبکہ LLM جج اسکورنگ کے اصولوں کے مطابق معنوی معیار کا جائزہ لیتا ہے۔
ٹریس جمع کرنا اور اسکورنگ: ایجنٹ صرف ورک اسپیس اور کام کی وضاحت دیکھتے ہوئے خودمختاری سے عمل کرتا ہے، اور پورا عمل اسکور سمیت ٹریننگ ڈیٹا کے طور پر محفوظ کیا جاتا ہے۔
بڑے پیمانے پر ماحول کی تیاری: ایک کلک سے 16.7K قابلِ تصدیق ورک ماحول تیار کرنا، جو 40 پیشہ ورانہ شعبوں اور 60 اقسام کی فائلوں پر محیط ہوں۔
ایجنٹ کی بعد از تربیت: تیار کردہ طویل مدتی ٹریسز سے ماڈل کو fine-tune کرنا، تاکہ کام کی جگہ سے متعلق کاموں کو انجام دینے کی صلاحیت نمایاں طور پر بہتر ہو۔

حقائق کے اینکرز سے چلنے والا کام اور تصدیق کا باہمی ڈیزائن: WorkForge کا بنیادی premise یہ ہے کہ کام پیش کیا جا سکتا ہے یا نہیں، اور نتائج کی تصدیق ہو سکتی ہے یا نہیں، دونوں کا انحصار ورک اسپیس میں قابلِ مشاہدہ حقائق پر ہے۔ یہ پہلے ورک اسپیس کا جامع پروفائل (Profiling) تیار کرتا ہے، فائلوں کے کردار، فائلوں کے باہمی انحصارات اور مخصوص قابلِ تصدیق حقائق کے ریکارڈ اخذ کرتا ہے۔ کام کی ہدایات، حوالہ جاتی حل، پروگراماتی جانچ کے نکات اور معنوی اسکورنگ کے اصول سب انہی حقائق کے اینکرز سے اخذ کیے جاتے ہیں، جبکہ حوالہ جاتی حل کے اہم حقائق کو ورک اسپیس میں واپس جا کر دوبارہ جانچا جاتا ہے۔
2. حقیقی وسائل سے چلنے والی ماحولیاتی پیچیدگی کی تعمیر: LLM سے تیار کردہ ورک اسپیس کے برعکس، WorkForge حصولی ایجنٹ کے ذریعے تلاش—مطالعہ—ڈاؤن لوڈ—پیش نظارہ کے چکر کو بار بار چلاتا ہے، حقیقی ریپوزٹریز اور ڈیٹاسیٹس سے وسائل جمع کرتا ہے اور ان کی اصل ڈائریکٹری ساخت برقرار رکھتا ہے۔ تقابلی تجربات سے ظاہر ہوتا ہے کہ حقیقی ورک اسپیس میں فائلوں کی تعداد ترکیبی ماحول سے 5.4 گنا اور فائلوں کی اقسام 2.4 گنا زیادہ ہیں؛ شواہد چند فائلوں میں مرکوز ہونے کے بجائے پوری ڈائریکٹری ٹری میں پھیلے ہوتے ہیں، جس سے ایجنٹ پہلے دریافت اور پھر فیصلہ کرنے پر مجبور ہوتا ہے، اور حقیقی عملی رکاوٹیں اور طویل مدتی تعامل کی ضرورت پیدا ہوتی ہے۔
پروگراماتی اور معنوی دوہری تصدیق: تصدیقی ماڈیول دو تکمیلی حصوں پر مشتمل ہے: پروگراماتی تصدیق کنندہ یقینی تقاضوں کی جانچ کرتا ہے، مثلاً عدد درست ہیں یا نہیں، مطلوبہ فائل تیار ہوئی ہے یا نہیں، اور ورک اسپیس کی حالت متوقع معیار کے مطابق ہے یا نہیں؛ اسکور اشارتی فنکشن کے مطابق دیا جاتا ہے۔ معنوی تصدیق کنندہ کام کی ہدایات کے ذریعے LLM جج کو تشکیل دیتا ہے، جو کھلے انداز کے ڈیلیوری ایبلز کو اسکورنگ کے اصولوں کے مطابق ایک ایک نکتے پر اسکور کرتا اور اسے معمول پر لاتا ہے۔ دونوں طرح کے اسکور الگ الگ محفوظ کیے جاتے ہیں۔ تجربات سے ظاہر ہوتا ہے کہ دونوں کو ملا کر کی جانے والی مخلوط چھانٹی (ALE 22.11) کسی ایک سگنل کے استعمال (15.62 / 14.89) سے نمایاں طور پر بہتر ہے، کیونکہ دونوں اقسام کی تصدیق ڈیلیوری کے معیار کے مختلف پہلوؤں کو گرفت میں لیتی ہیں۔

WorkForge فی الحال ایک تحقیقی فریم ورک ہے؛ مقالے میں اوپن سورس کوڈ یا ڈیٹاسیٹ کے عوامی حصول کے ذرائع کا ذکر نہیں کیا گیا۔

زیادہ حقیقت پسندی: ورک اسپیس براہِ راست حقیقی دنیا کے وسائل سے بنائی جاتی ہے؛ فائلوں کی تعداد، اقسام اور حجم بالترتیب LLM سے تیار کردہ ماحول کے 5.4 گنا، 2.4 گنا اور 13 گنا ہیں، جبکہ شواہد چند فائلوں میں نمایاں ہونے کے بجائے پوری ڈائریکٹری ٹری میں پھیلے ہوتے ہیں۔
تصدیق کا قابلِ سراغ ہونا: کام، حوالہ جاتی حل اور اسکورنگ کے معیارات سب ورک اسپیس کے ”حقائق کے اینکرز“ سے اخذ کیے جاتے ہیں، اور اہم حقائق کو ورک اسپیس میں واپس جا کر جانچا جاتا ہے، جس سے خیالی تشخیصی تقاضوں کا خاتمہ ہوتا ہے۔
دوہری تصدیق کا باہمی تکملہ: پروگراماتی جانچ (اعداد/فائلیں) اور LLM معنوی اسکورنگ کو ملایا جاتا ہے، اور مخلوط چھانٹی کسی ایک سگنل کے استعمال سے کہیں بہتر نتائج دیتی ہے۔
طویل مدتی تعامل کی تربیت: اوسطاً 31.8 مراحل اور 7.6 لاکھ tokens پر مشتمل حقیقی دریافت کے ٹریسز ماڈل کو دریافت، شواہد جمع کرنے، غلطی درست کرنے اور ڈیلیوری کے مکمل کام کے عمل کو سکھاتے ہیں۔
بڑے پیمانے کی صلاحیت: ایک ہی پائپ لائن سے 16.7K ماحول تیار ہوتے ہیں، جو 40 شعبوں پر محیط ہیں، اور ماحول کی دستی تعمیر کے مقابلے میں انجینئرنگ لاگت نمایاں طور پر کم ہو جاتی ہے۔
نمایاں کارکردگی میں اضافہ: A3B ماڈل کے GDPval میں 28.1 پوائنٹس کا اضافہ ہوا، اور یہ تمام <100B خصوصی ایجنٹ ماڈلز سے آگے نکل گیا؛ 27B ماڈل نے اس سے 15 گنا زیادہ پیرامیٹرز والے 397B ماڈل کو پیچھے چھوڑ دیا۔

arXiv تکنیکی مقالہ：https://arxiv.org/pdf/2610.04906

ایجنٹ ٹریننگ ڈیٹا کی تیاری: اداروں اور تحقیقی تنظیموں کے لیے بڑے پیمانے پر اعلیٰ معیار کا طویل مدتی ٹریس ڈیٹا تیار کرنا، تاکہ وہ اپنے ورک ایجنٹس کو بعد از تربیت دے سکیں اور ماحول کی دستی تیاری کی لاگت کی رکاوٹ سے نجات حاصل کر سکیں۔
پیشہ ورانہ ڈیجیٹل ملازمین کی تربیت: دفتری امور، ڈیٹا تجزیہ، مالیات اور تعلیم سمیت 40 پیشہ ورانہ شعبوں کے لیے ایسے ”ڈیجیٹل ملازمین“ کی تربیت جو رپورٹس، اسپریڈشیٹس، PPT اور دیگر حقیقی ڈیلیوری ایبلز تیار کر سکیں۔
ایجنٹ کی صلاحیت کا جائزہ: حقائق کے اینکرز پر مبنی دوہرا تصدیقی نظام ایک جائزہ جاتی نمونے کے طور پر استعمال کیا جا سکتا ہے، تاکہ بکھری ہوئی فائلوں کے ماحول میں ایجنٹ کی دریافت، شواہد جمع کرنے اور ڈیلیوری کی صلاحیت جانچی جا سکے۔
شعبہ جاتی ورک فلو کی ڈیجیٹلائزیشن: ادارے داخلی ماہرین کے تجربے کو منظرنامے کے بلیو پرنٹس میں تبدیل کرکے اسی نوعیت کے کاموں کی مختلف مثالیں تیزی سے بڑی تعداد میں تیار کر سکتے ہیں، جنہیں تربیت یا جانچ کے لیے استعمال کیا جا سکتا ہے۔
عمودی Agent کی تحقیق و ترقی کی بنیاد: مالیاتی مقداری تجزیہ، کوڈ ریویو اور تعمیری تقاضوں کی جانچ جیسے پیشہ ورانہ منظرنامے، جن میں متعدد ذرائع کی فائلوں کا باہمی تقابل درکار ہوتا ہے، ماحول کے بنیادی ڈھانچے کے طور پر استعمال ہو سکتے ہیں اور اوپری سطح کی Agent مصنوعات کی صلاحیت میں بہتری کی معاونت کر سکتے ہیں۔