WorkForge научила агентов работать с файлами через проверяемые среды
WorkForge строит учебные рабочие пространства из реальных файлов и профессиональных процессов.
Система извлекает проверяемые факты и создает программные и смысловые критерии для оценки результата.
Авторы собрали 16 700 сред в 40 профессиональных областях с 60 типами файлов.
После дообучения Qwen3.5-35B-A3B-Base результат GDPVal вырос с 45,5 до 73,6, а APEX Score — с 5,0 до 21,3.
Почему важно
Привязка оценки к исходным документам позволяет обучать агентов долгой работе, не принимая убедительный текст за выполненную задачу.