IQuestLab发布WorkFactory框架：构建可执行专业任务以提升智能体训练效率

摘要：IQuestLab推出WorkFactory框架，旨在解决智能体训练中任务信息缺失或不一致的问题。该框架通过信息级规划构建支持图，指导任务实例化，并利用探测执行机制修复任务缺陷，从而生成连贯且可执行的专业任务。WorkFactory已构建112,686个任务，涵盖612个职业，并基于这些任务对Qwen模型进行微调，推出了WorkPilot系列模型。实验结果显示，WorkPilot模型在多个专业工作基准测试中表现优异，显著提升了模型性能。

---

技术机制剖析

WorkFactory框架的核心在于其信息级规划与探测执行机制。通过从专业意图出发，WorkFactory构建了一个信息支持图，明确表示实现预期输出所需的信息依赖关系和位置。这一过程确保了任务实例化的连贯性，并避免了任务信息的缺失或冲突。随后，探测执行机制对任务进行模拟执行，识别潜在的支持失败，并指导修复过程，同时保留任务的预期目标。这种方法不仅提高了任务的可靠性，还增强了智能体训练数据的质量。

工程权衡与实测表现

WorkFactory框架在构建过程中面临的主要挑战是任务复杂性与可扩展性之间的平衡。通过采用模块化设计和高效的图算法，WorkFactory实现了对大规模任务集的支持，同时保持了较低的计算开销。实验结果表明，WorkFactory生成的112,686个任务涵盖了612个职业，显著提升了Qwen模型在四个专业工作基准测试中的表现。例如，WorkPilot-35B-A3B模型在GDPval-AA v2.1基准测试中的Elo评分从879提升至1565，展示了该框架在提升智能体训练效率方面的巨大潜力。

开发者落地与部署建议

对于开发者而言，WorkFactory框架的开放性使其易于集成到现有的智能体训练流程中。建议开发者根据自身任务需求，利用WorkFactory构建特定领域的任务集，并结合微调技术进一步优化模型性能。此外，开发者应关注任务实例化的质量控制，确保探测执行机制的有效性，以充分发挥WorkFactory的优势。

结论

WorkFactory框架的发布标志着智能体训练领域的一项重要进展。通过提供高质量、可执行的专业任务，WorkFactory不仅提升了智能体模型的性能，还为AI在专业领域的应用奠定了坚实基础。

---

消息来源：Hugging Face Daily Papers (2026-10-27)

—— 完 ——

主题标签： #IQuestLab 关注 #WorkFactory 关注 #智能体训练 关注 #Qwen模型 关注 #专业任务 关注