WorkForge – 騰訊聯合復旦推出的智能體訓練環境構建框架

WorkForge是什麼

WorkForge是騰訊混元與復旦大學聯合推出的智能體訓練環境構建框架。WorkForge從專家工作流藍圖出發，自動檢索真實世界資源搭建工作區，基於工作區事實生成任務與雙重驗證標準，讓智能體執行產出軌跡數據。WorkForge已建成16.7K個可驗證環境，橫跨40個專業領域，可將35B模型的GDPval得分提升28分，逼近前沿模型水平。

WorkForge的主要功能

• 場景藍圖構建：將專家經驗沉澱爲可複用的工作流模板，定義交付物、所需資源與關鍵決策點。
• 真實工作區合成：由獲取智能體從網絡搜索下載真實代碼倉庫、數據集與網頁資料，按原始目錄結構搭建工作區。
• 環境畫像與事實錨點提取：自動摸清每個文件的角色、依賴關係，並記錄可直接覈對的”事實支撐”。
• 任務生成：結合藍圖與畫像，產出紮根於工作區實際內容的任務指令和隱藏參考解法。
• 雙重驗證機制：程序化檢查覈對數值與文件生成，LLM 評委按評分細則評估語義質量。
• 軌跡採集與評分：智能體在僅可見工作區和任務說明的條件下自主執行，全過程連同分數保存爲訓練數據。
• 規模化環境產出：一鍵生成 16.7K 個可驗證工作環境，覆蓋 40 個專業領域和 60 種文件類型。
• 智能體後訓練：用產出的長程軌跡微調模型，顯著提升其職場任務執行能力。

WorkForge的技術原理

• 事實錨點驅動的任務-驗證共生設計：WorkForge 的核心 premise 是任務能否提出、結果能否驗證，都取決於工作區中可觀察的事實。它先對工作區做全面畫像（Profiling），提取文件角色、跨文件依賴和具體可覈對的事實記錄，任務指令、參考解法、程序化檢查項和語義評分細則全部從這些事實錨點推導，參考解法中的關鍵事實還會回工作區複覈。
• 2. 真實資源驅動的環境複雜度構建：與 LLM 合成工作區不同，WorkForge 用獲取智能體迭代執行搜索—閱讀—下載—預覽循環，從真實倉庫和數據集中採集資源並保留其原始目錄結構。對照實驗顯示，真實工作區文件數是合成環境的 5.4 倍、文件類型 2.4 倍，證據分散在整個目錄樹而非集中在少數文件，迫使智能體先探索、再判斷，產生真實的操作摩擦和長程交互需求。
• 程序化和語義雙軌驗證：驗證模塊由互補的兩部分組成：程序化驗證器檢查確定性要求，如數值是否正確、目標文件是否生成、工作區狀態是否符合預期，按指示函數計分；語義驗證器由任務指令配置 LLM 評委，對開放式交付物按評分細則逐項打分並歸一化。雙軌分數分開保留，實驗表明兩者結合的混合篩選（ALE 22.11）顯著優於單用任一信號（15.62 / 14.89），因爲兩類驗證捕捉了交付質量的不同維度。

如何使用WorkForge

WorkForge 目前是研究框架，論文未提及開源代碼或數據集的公開渠道。

WorkForge的核心優勢

• 真實性更強：直接從真實世界資源構建工作區，文件數、類型數和體積分別是 LLM 合成環境的 5.4 倍、2.4 倍和 13 倍，證據分散在目錄樹中而非集中暴露。
• 驗證可溯源：任務、參考解法和評分標準全部從工作區”事實錨點”推導，關鍵事實回工作區複覈，杜絕幻覺式評測要求。
• 雙重驗證互補：程序化檢查（數值/文件）與 LLM 語義評分相結合，混合篩選效果遠超單用任一信號。
• 長程交互訓練：平均 31.8 步、7.6 萬 tokens 的真實探索軌跡，讓模型學到探索、取證、糾錯、交付的完整工作過程。
• 規模化能力：一條管線產出 16.7K 個環境、橫跨 40 個領域，相比手工構建環境大幅降低工程成本。
• 性能提升顯著：A3B 模型 GDPval 提升 28.1 分，全面領先所有 <100B 專用智能體模型；27B 模型反超 15 倍參數量的 397B 模型。

WorkForge的項目地址

• arXiv技術論文：https://arxiv.org/pdf/2610.04906

WorkForge的同類競品對比

WorkForge的應用場景

• 智能體訓練數據生產：爲企業/研究機構規模化生成高質量長程軌跡數據，用於後訓練自己的工作智能體，擺脫手工造環境的成本瓶頸。
• 職場數字員工培養：針對辦公、數據分析、金融、教育等 40 個專業領域，訓練能交付報告、表格、PPT 等真實交付物的”數字員工”。
• 智能體能力評測：其事實錨點驅動的雙軌驗證機制可作爲評測範式，用於檢驗智能體在雜亂文件環境中的探索、取證與交付能力。
• 領域工作流數字化：企業將內部專家經驗寫成場景藍圖後，可快速批量生成同類任務的不同實例，用於培訓或考覈。
• 垂類 Agent 研發底座：金融量化、代碼審查、合規覈查等需要交叉覈對多源文件的專業場景，可作爲環境基礎設施，支撐上層 Agent 產品的能力迭代。