‏🤖 سیستم WorkForge برای آموزش خودکار عوامل هوش مصنوعی

‏پروژه WorkForge روشی برای تولید خودکار محیط‌های تمرینی از روی فایل‌ها و گردش‌کارهای واقعی ارائه داده است. این سیستم با تحلیل اسناد، حقایق قابل‌بررسی را استخراج و بر اساس آن‌ها، تسک‌ها و معیارهای ارزیابی طراحی می‌کند.

‏این رویکرد شامل چهار مرحله اصلی است:
‏* گردش کار کارشناس: تعریف حوزه‌ها، اهداف و خروجی‌های مورد انتظار.
‏* سنتز محیط: ساخت فضای کاری شامل ابزارها، فایل‌ها و وضعیت اولیه با استفاده از یک عامل فراخوانی.
‏* تولید تسک: ایجاد دستورالعمل‌ها و ماژول‌های ارزیابی شامل قاضی برنامه‌نویسی‌شده و معنایی.
‏* تولید مسیر اجرا: تعامل عامل حل‌کننده با محیط و امتیازدهی به خروجی‌ها.

‏ارزیابی‌ها نشان می‌دهد پس از آموزش مدل Qwen3.5-35B-A3B-Base با این داده‌ها، امتیاز GDPVal از ۴۵.۵ به ۷۳.۶ و امتیاز APEX Score از ۵.۰ به ۲۱.۳ افزایش یافته است. این سیستم تاکنون ۱۶.۷ هزار محیط در ۴۰ حوزه تخصصی و با ۶۰ نوع فایل مختلف ایجاد کرده است.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما

#WorkForge #Qwen3_5