腾讯WorkForge扩展可验证工作智能体训练环境
腾讯与复旦研究者推出WorkForge，把真实文件和专业流程转化为可验证的长程智能体训练环境。
从工作流程到可检验空间
腾讯与复旦大学研究者发布的WorkForge，瞄准的是智能体发展中一个不够显眼、却极其关键的瓶颈：缺少真实、复杂，而且能够可靠验收的训练环境。
WorkForge不是从孤立提示词出发，而是先分析专业工作流程，识别任务所需的资源、决策和交付物，再利用真实文件搭建工作空间。系统随后检查这些空间，提取其中可观察、可核验的事实锚点，并据此生成任务说明、解决方案和程序化或语义验证器。换言之，任务如何完成、结果是否正确，都尽量回到工作空间本身的证据。
研究团队称，WorkForge已经构建出覆盖40个专业领域、60种文件类型的1.67万个可验证环境。在后训练实验中，Qwen3.5-35B-A3B-Base的GDPVal得分从45.5提升至73.6，APEX得分从5.0提升至21.3；27B模型也取得了对强竞争模型颇具竞争力的成绩。
为什么重要
许多智能体评测只看最后答案，很难判断系统是否经历了可靠的工作过程。WorkForge把文件、阶段性决策和最终产物都纳入监督信号，这对金融、研究、运营和办公等需要持续执行数十步的任务尤为重要。
但自动生成的验证器能否在论文覆盖领域之外保持可信，仍待检验。即便如此，WorkForge展示了一条更可扩展的训练路径：减少手工搭建模拟环境，让任务、过程和证据彼此绑定。
Uncle Cat观点
WorkForge最有价值的并非Qwen分数，而是覆盖60种文件类型；这让企业智能体终于有机会走出玩具任务。