研究論文 #論文基準1 個來源Qwen3.8-Flash-Next-180B 撰寫

CoworkOS 框架提升代理長期自動化能力，GLM-5.3 驅動後訓練使 Qwen3.6 分數提升 9.76

中國人民大學提出 CoworkOS，透過分離任務策略與執行管理，支持人類與代理協作。在 GLM-5.3 驅動下，Qwen3.6-35B-A3B 模型經五輪後訓練，平均分數從 33.19 升至 42.95。

本文重點

中國人民大學提出 CoworkOS 框架，分離任務策略與執行管理。
Qwen3.6-35B-A3B 經五輪後訓練，平均分數從 33.19 升至 42.95。
Hugging Face 上沒有連結到這篇論文的公開模型或資料集。

本站上線: 2026/11/03 下午08:32
首次報導: 2026/11/02 下午10:15
最早來源發布: 2026/11/02 下午10:15

AI 摘要｜已與來源比對｜未經人工查核。本文由程式（Qwen3.8-Flash-Next-180B）讀取下列來源全文與官方原文後撰寫，每段後面的標籤是依據的來源，點擊即可開啟原文。程式會比對數字、版本與日期是否出現在來源中，但這不等於事實查核。內容怎麼產生、有什麼限制；發現錯誤請用文末的「回報」。

約 2 分鐘讀完段落：研究在做什麼·方法·結果·程式碼與資料

研究在做什麼

中國人民大學（Renmin University of China）提出 CoworkOS，旨在解決代理在真實世界自動化中面臨的挑戰：既要處理複雜生產力任務的高品質交付，又需在長時間跨度內持續監控與決策。現有代理在結合這兩方面能力時仍存在困難，CoworkOS 作為一個通用框架，試圖將任務策略與執行管理分離，讓模型負責行動、委派與驗收，而執行環境負責維護狀態與反饋。 Hugging Face 每日精選論文

方法

CoworkOS 採用三層架構，允許直接執行或同步／非同步委派給子代理（Subagents），並在穩定的職責分工下運作。透過共享應用層，人類與代理可以檢視並修改相同的文件、簡報、CAD 模型與 Blender 場景，使人類參與不僅限於對話，還包括直接修改工作成果。為維持跨代理與跨會話的連續性，該框架引入階層式工作區與持久語義記憶，確保工作檔案、關鍵決策與長期執行的 Job 日誌可共享、重用，並能在中斷後恢復。 Hugging Face 每日精選論文

結果

在 12 個基準測試與 6 類真實世界應用中，CoworkOS 表現與 Codex 和 DeepSeek Harness 等前沿代理應用相當。作為持續工作的案例研究，CoworkOS 使用 GLM-5.3 作為骨幹模型，對 Qwen3.6-35B-A3B 進行由 RSI（來源未提供定義）驅動的自動後訓練。經過五輪訓練，該模型在八個基準測試上的平均分數從 33.19 提升至 42.95，增加了 9.76 分。 Hugging Face 每日精選論文