GraphForge: Training Working Agents with Graph-Anchored Workspace Synthesis
Aggiunta all'archivio di AIChronos il (numero del 2 ottobre 2026 ricostruito)· fonte del · Qisheng Su, Hanchen Wang, Guanru Zhu, Huicheng Jiang, Qiuyinzhe Zhang, Kou Shi (University of Science and Technology of China)
GraphForge è un framework basato su grafi di evidenza che sintetizza workspace reali per addestrare agenti AI in compiti complessi. Il sistema deriva task e criteri di verifica direttamente dalle relazioni tra file reali presenti nel workspace, garantendo realismo e verificabilità dei risultati. Attraverso un processo di revisione guidata da agenti e fine-tuning su Qwen3.6-27B, il framework migliora significativamente le performance sui benchmark OpenHands, Workspace-Bench-Lite e SpreadsheetBench II.
- Utilizza semi basati sulle occupazioni per garantire diversità controllata nella generazione dei workspace reali.
- Costruisce un grafo di evidenza che ancorà sia lo statement del task che i rubric ai file necessari per la verifica.
- Implementa un agente di revisione per riparare task e criteri prima della raccolta delle traiettorie esecutive.
- Applica fine-tuning su Qwen3.6-27B ottenendo incrementi significativi (es. +65.7 GDPVal) rispetto a OpenHands.
- Utilizza rejection fine-tuning con candidati selezionati dai rubric ancorati alle evidenze per ulteriori miglioramenti.
Perché conta. Questa architettura risolve il problema della mancanza di dati sintetici realistici e verificabili, permettendo agli sviluppatori di addestrare agenti più robusti in ambienti locali o su stack open-source senza dipendere esclusivamente da modelli generativi puramente statistici.
Vai alla fonte originale ↗ arXiv ↗
Scheda generata automaticamente da un modello AI locale a partire dalla fonte originale: può contenere imprecisioni.