OWL：针对现实世界任务自动化中的通用多智能体辅助的优化劳动力学习

基于大型语言模型 (LLM) 的多智能体系统有望在自动化现实世界任务方面取得进展，但由于其领域特定性，难以跨领域迁移。当前的方法面临两个关键缺陷：应用于新领域时，需要彻底重新设计架构并重新训练所有组件。我们引入了 Workforce，这是一个分层多智能体框架，它通过模块化架构将战略规划与专业执行分离，该架构包含：(i) 用于任务分解的领域无关的规划器 (Planner)，(ii) 用于子任务管理的协调器 (Coordinator)，以及 (iii) 具有领域特定工具调用功能的专用工作器 (Worker)。这种分离架构在推理和训练阶段均实现了跨领域的可迁移性：在推理阶段，Workforce 可以通过添加或修改工作智能体无缝适应新领域；在训练阶段，我们引入了优化工作器学习 (OWL)，它通过使用来自现实世界反馈的强化学习来优化领域无关的规划器，从而提高跨领域的泛化能力。为了验证我们的方法，我们在 GAIA 基准上对 Workforce 进行了评估，涵盖了各种现实的多领域代理任务。实验结果表明，Workforce 达到了开源的 SOTA 性能（69.70%），比 OpenAI 的 Deep Research 等商业系统高出 2.34%。更值得注意的是，我们经 OWL 训练的 32B 模型达到了 52.73% 的准确率（+16.37%），并在挑战性任务上展现出与 GPT-4o 相当的性能。总而言之，通过实现可扩展的泛化和模块化领域迁移，我们的工作为下一代通用 AI 助手奠定了基础。