OfficeTown: Generative Organizations for Evolving Agent Intelligence
作者: Hongchen Wei, Daohong Ying, Zhi Hong, Aidan Wu, Bei Liu, Ruichun Ma, Yifan Yang, Qi Dai, Kai Qiu, Rui Xu, Dongdong Chen, Zhenzhong Chen, Chong Luo
分类: cs.AI
发布日期: 2026-10-16
💡 一句话要点
提出OfficeTown框架以提升智能体在专业环境中的协作能力
🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture) 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 生成性模拟 智能体协作 任务管理 专业领域应用 监督微调 在线蒸馏 组织学习
📋 核心要点
- 现有方法在模拟专业组织的任务和上下文时缺乏有效的框架，导致智能体的协作能力不足。
- OfficeTown框架通过自然语言描述初始化组织，成员协调工作并处理任务，形成持续的工作环境。
- 实验表明，OfficeTown数据的监督微调和在线蒸馏显著提升了智能体在专业工作基准上的表现。
📝 摘要（中文）
随着AI代理越来越多地使用文件和软件工具来生成专业成果，工作中积累的材料、决策和反馈变得至关重要。本文介绍了OfficeTown，一个生成性模拟框架，旨在模拟专业组织中的任务和上下文。通过自然语言描述组织的目的和活动，OfficeTown初始化一个组织，成员之间协调工作，向助手代理分配有限任务，并审查其交付成果。文中构建了OfficeTown Bench，包含406个任务和4,836个评估标准，涵盖23个模拟组织和八个专业领域，结合领域专家反馈。实验结果显示，监督微调和在线蒸馏在OfficeTown数据上显著提升了Qwen3.5-9B在外部专业工作基准上的表现。
🔬 方法详解
问题定义：本文旨在解决现有AI代理在专业环境中缺乏有效协作和任务管理的问题，现有方法未能充分利用组织的上下文和历史反馈。
核心思路：OfficeTown通过生成性模拟框架，利用自然语言描述初始化组织，促进成员之间的协调与任务分配，从而形成一个动态的工作环境。
技术框架：OfficeTown的整体架构包括任务生成模块、代理协调模块和反馈处理模块。任务生成模块根据组织描述生成任务，代理协调模块负责任务分配和协作，反馈处理模块则整合历史反馈以优化后续工作。
关键创新：OfficeTown的主要创新在于其生成性模拟能力，能够持续积累和利用组织内的决策和反馈，与传统静态任务分配方法相比，提供了更灵活的工作环境。
关键设计：在设计中，任务的上下文信息和成员的权限设置至关重要，确保每个成员能够访问必要的信息并执行相应的任务。损失函数和评估标准则基于实际工作反馈进行调整，以提升智能体的学习效果。
🖼️ 关键图片
📊 实验亮点
实验结果显示，使用OfficeTown数据进行监督微调和在线蒸馏后，Qwen3.5-9B在外部专业工作基准上的表现显著提升，尤其在GDPval基准上取得了更高的分数，展示了组织模拟在生成工作数据和环境中的重要价值。
🎯 应用场景
OfficeTown框架可广泛应用于企业培训、项目管理和智能助手开发等领域。通过模拟真实的工作环境，能够有效提升智能体的协作能力和任务执行效率，推动AI在专业领域的应用和发展。
📄 摘要（原文）
AI agents increasingly use files and software tools to produce professional deliverables. Such work draws on materials, decisions, and feedback accumulated across assignments. We introduce OfficeTown, a generative simulation framework for professional organizations in which tasks and their context arise from continuing organizational work. From a natural-language description of an organization's purpose and activities, OfficeTown initializes an organization whose members coordinate work, delegate bounded assignments to assistant agents, and review their deliverables. Artifacts, decisions, and unresolved matters persist and shape subsequent work, while responsibilities and permissions determine what each member can see and do. We curate work requests, their context, and review feedback into executable resources for evaluation and learning. We construct OfficeTown Bench with 406 tasks and 4,836 evaluation criteria from 23 simulated organizations across eight professional domains, incorporating domain-expert feedback. Frontier-model evaluations reveal substantial remaining headroom. Supervised fine-tuning and on-policy distillation on OfficeTown data substantially improve Qwen3.5-9B on external professional-work benchmarks, including GDPval. Supplementary evaluations show that the principal--assistant harness achieves higher scores than the single- and multi-agent baselines tested. These results highlight the value of organizational simulation in generating work-grounded data and environments for the continued development of generalist agents.