腾讯为Agent造出1.67万套工作环境：让GLM示范，Qwen跟练

BiRun 讯，腾讯混元联合复旦大学提出 WorkForge，专门为 AI Agent 批量构建复杂、可验证的工作训练环境。

团队从真实公开资源中收集表格、报告等材料，覆盖 40 个专业领域、60 种文件类型，共构建 16,665 套训练环境。每套工作区平均包含 42.3 个文件，比只靠 AI 凭空生成材料的模拟环境复杂得多。

比如在金融任务中，Agent 需要分析不同地区的股票因子收益，整理数据、比较表现，最后交出 PPT、Excel 和 CSV。WorkForge 会先从原始文件中提取可核对的事实，再自动生成任务和评分标准。程序负责检查具体数字和交付文件，另一套 AI 评估分析内容，让训练结果尽量有据可查。

团队使用 GLM 5.3，配合 Claude Code 和 OpenClaw 生成示范操作轨迹，再用这些数据微调 Qwen3.5。经过训练，35B-A3B 基础模型在 GDPval 的评分从 45.5 提高到 73.6，APEX 从 5.0 提高到 21.3。另一款 27B 模型在 GDPval 达到 82.4，略高于参数量近 15 倍的 Qwen3.5-397B（79.7），但仍低于 GPT-5.6 Sol 的 90.1。

信源

动察 Beating 频道 · 动察 Beating 交流群。