Work Agents: Systems, Capabilities, and Optimization
Pubblicata su AIChronos il · fonte del · Zishan Xu, Enjun Du, Mingqi Gao, Cheng Yang, Junhao Shen, Zirong Chen
Il documento propone un quadro di riferimento sistemico per gli 'work agents', definendoli come combinazioni di foundation models e runtime harnesses in grado di eseguire compiti complessi all'interno di workspace stateful. L'autori introducono due dimensioni fondamentali, work persistence e work openness, per caratterizzare le condizioni operative e classificare il lavoro digitale in cinque forme distinte. Vengono identificate cinque famiglie di capacità core necessarie per un'esecuzione affidabile, insieme a strategie di ottimizzazione congiunta tra modelli e harness.
- Gli agenti evolvono dalla semplice generazione informativa all'esecuzione autonoma del lavoro digitale attraverso strumenti e flussi operativi.
- La classificazione delle attività digitali si basa sullo scope dei task e sull'organizzazione, distinguendo cinque forme di lavoro.
- L'affidabilità degli work agents richiede l'integrazione ottimizzata tra foundation models, runtime harnesses e metriche basate sugli outcome verificabili.
- Le future direzioni di ricerca includono la delega sostenuta del lavoro, l'adattamento a ambienti aperti e il miglioramento delle capacità tramite esecuzione.
Perché conta. Questa analisi è cruciale per gli sviluppatori che progettano sistemi AI locali o agenti autonomi perché fornisce una struttura unificata per garantire affidabilità, verificabilità e valore pratico nei risultati generati.
Vai alla fonte originale ↗ arXiv ↗
Scheda generata automaticamente da un modello AI locale a partire dalla fonte originale: può contenere imprecisioni.