腾讯混元WorkForge：1.67万个真实职场环境训练智能体
智能体训练的数据瓶颈解法
办公智能体的能力上限，取决于训练环境的真实度。合成数据太假、人工搭建太贵。腾讯混元联合复旦大学提出的 WorkForge 框架给出了第三条路：从真实代码仓库、数据集和网页自动搭建职场工作区。
WorkForge 的硬数据
- 16665 个环境（WorkForge-16K），覆盖 40 个专业领域、60 种文件类型
- 单条轨迹平均约 7.6 万 tokens——真实工作的复杂度
- 质量核验：程序化检查 + LLM 语义评分双保险
- 训练效果：WorkForge-A3B 的 GDPval 从 45.5 升至 73.6；WorkForge-27B 达 82.4，超过 397B-A17B 的 79.7
小模型用真实环境训练，打赢了大参数模型——这就是环境质量的杠杆。
方法论拆解
1. 真实性优先
不从零合成，而是从真实仓库与数据集“还原”工作场景——文件结构、任务逻辑、数据关系都是真的。
2. 专家蓝图 + 自动构建
按专家绘制的任务蓝图自动搭建环境，兼顾真实性与针对性。
3. 双重质检
程序化检查验证环境可运行，LLM 语义评分验证任务合理性——两道闸门保证 16665 个环境不是垃圾数据。
对企业的启示
- 训练环境是新的竞争壁垒：谁掌握真实职场环境数据，谁就能训练出更懂业务的智能体
- 内部数据的新价值：企业自己的代码仓库、文档、流程记录，就是训练“本企业智能体”的 WorkForge 素材
- 评测基准升级：GDPval 这类真实职场评测，将取代传统跑分成为选型依据
结语
WorkForge 证明了一件事：智能体的智能，是用真实世界的复杂度喂出来的。1.67 万个环境只是开始——环境仿真的军备竞赛，刚刚开幕。