摘要
长程任务要求智能体在嵌套和分支工作中保持连贯的状态与目标。我们将此能力称为目标导向执行(GDE),即重复应用选择目标、构建相关状态、维持高层目标保真度以及验证环境完成度四种行为。我们假设长程后训练能强化这些跨领域行为。通过在363个来自办公流程的长程多工具智能体任务上对Qwen3.5-122B-A10B进行后训练测试,尽管训练集不含软件工程任务,模型在SWE-Bench Pro上的pass@1仍提升了5.8分。轨迹分析显示两种场景下GDE四项行为均有增益,结果支持长程后训练改变了模型组织与应用知识的方式,且效应延伸至训练领域之外。
AI 推荐理由
论文核心研究长程任务中的目标导向执行(GDE),涉及目标选择、状态构建及多步计划验证,直接对应规划能力。
研究机构
Surge AI
论文信息