[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-synthetic-computers-long-horizon-agent-training-zh":3,"article-related-synthetic-computers-long-horizon-agent-training-zh":25,"series-research-64bc321d-8357-4be8-9fdb-1a1e902b3258":78},{"id":4,"slug":5,"title":6,"content":7,"summary":8,"source":9,"source_url":10,"author":11,"image_url":12,"cover_image":12,"category":13,"language":14,"translated_content":11,"related_article_id":15,"keywords":16,"key_takeaways":11,"views":22,"created_at":23,"published_at":24,"topic_cluster_id":11},"64bc321d-8357-4be8-9fdb-1a1e902b3258","synthetic-computers-long-horizon-agent-training-zh","合成電腦訓練長程代理人","\u003Cp data-speakable=\"summary\">這篇論文用合成使用者電腦來訓練代理人，讓它在長時間的生產力工作情境中學會操作檔案、文件與多步驟任務。\u003C\u002Fp>\u003Cp>長程生產力工作，很少是單一問答可以解完的事。真正的工作常常卡在檔案系統、資料夾結構、試算表、簡報、文件，還有那些分散在不同位置的上下文。這篇論文 \u003Ca href=\"https:\u002F\u002Farxiv.org\u002Fabs\u002F2604.28181\">Synthetic Computers at Scale for Long-Horizon Productivity Simulation\u003C\u002Fa> 的出發點很直接：如果要讓代理人真的進步，訓練環境就不能只像聊天題庫，而要更像一台真實電腦。\u003C\u002Fp>\u003Cp>作者要解的痛點，不是「代理人會不會回答問題」，而是「代理人能不能在一個像真實工作機器的環境裡，持續做一個月等級的任務」。這種任務通常需要跨資料夾找線索、在多個檔案之間保持上下文，還要一路產出多個交付物。對現在很多 \u003Ca href=\"\u002Ftag\u002Fagent\">agent\u003C\u002Fa> 來說，這正是最難的地方。\u003C\u002Fp>\u003Ch2>這篇在解什麼問題\u003C\u002Fh2>\u003Cp>論文認為，現有的 agent 訓練資料，對長程生產力工作來說太淺。環境如果不夠像真實電腦，代理人就學不到實務上最重要的習慣：怎麼從檔案系統裡抓到 grounding、怎麼在很多輪互動中維持狀態、怎麼跟模擬協作者協調、怎麼把一個長專案拆成多個可交付成果。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1777620220113-to6h.png\" alt=\"合成電腦訓練長程代理人\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>這也是為什麼作者要做的是「環境生成」，不是只做題目生成。因為長程工作不是單點事件，而是一段持續的流程。資料如果只是一小段 prompt 或 toy task，代理人很難學到真正會用的行為模式。論文想把這種工作脈絡，放進可大量生成的訓練環境裡。\u003C\u002Fp>\u003Cp>從這個角度看，這篇不是在補一個 benchmark 而已，而是在補 agent 訓練的底層土壤。它把重點放在：如何建立足夠像樣的使用者電腦，讓後續的長時間模擬真的有訓練價值。\u003C\u002Fp>\u003Ch2>方法怎麼運作\u003C\u002Fh2>\u003Cp>方法分成兩段。第一段是建立 sy\u003Ca href=\"\u002Fnews\u002Fanthropic-claude-security-public-beta-zh\">nth\u003C\u002Fa>etic computers，也就是合成使用者電腦。這些環境會有比較像真實工作的資料夾階層，裡面放的是內容豐富的 artifacts，例如文件、試算表和簡報。目標不是做出漂亮 demo，而是讓電腦在結構上、上下文上都更接近真實工作機器。\u003C\u002Fp>\u003Cp>第二段是長程模擬。作者會根據每一台 sy\u003Ca href=\"\u002Fnews\u002Fanthropic-eyes-openai-valuation-lead-900b-zh\">nth\u003C\u002Fa>etic computer 生成對應的生產力目標。這些目標不是單一步驟，而是需要多個專業交付物，時間尺度大約對應到人類一個月的工作量。接著，另一個 agent 會在這個合成環境裡持續執行，直到把目標完成。\u003C\u002Fp>\u003Cp>模擬過程中，agent 會做的事情也很像知識工作者：在檔案系統裡找資料作為 grounding、和模擬協作者互動、產出專業文件。這讓資料不再只是靜態樣本，而是一串有連續決策、有長時間依賴的經驗軌跡。對訓練來說，這種訊號比單輪問答更接近真實需求。\u003C\u002Fp>\u003Cp>論文把這套流程視為可擴充的方法論。不是只手工做少數環境，而是要能批量生成很多使用者世界，再讓 agent 從這些軌跡中學習。\u003C\u002Fp>\u003Ch2>論文實際證明了什麼\u003C\u002Fh2>\u003Cp>摘要裡有幾個數字，代表這不是一個小型玩具實驗。作者在初步實驗中建立了 1,000 台 synthetic computers，並在上面跑長程模擬。每次模擬平均超過 2,000 個 turns，而且單次執行時間超過 8 小時。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1777620214769-zh57.png\" alt=\"合成電腦訓練長程代理人\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>這些數字至少說明一件事：這個設定很重，而且互動深度很高。它不是短 prompt、不是幾步就結束的任務，而是需要長時間維持狀態與決策的流程。對 agent 來說，這種資料型態本身就很有價值，因為它逼近了真實工作中的持續性。\u003C\u002Fp>\u003Cp>作者也表示，這些模擬產生了豐富的 experiential learning signals，並且在 in-domain 與 out-of-domain 的 productivity evalu\u003Ca href=\"\u002Fnews\u002Ftokenization-moving-from-idea-to-infrastructure-zh\">atio\u003C\u002Fa>n 上，都帶來了顯著改善。不過，摘要沒有公開完整 benchmark 細節，也沒有列出具體評估名稱、任務設計，或是改善幅度的數字。所以就摘要能確認的範圍來看，我們只能說它宣稱有明顯進步，但還不能直接從這裡檢查它到底贏了多少、贏在哪些任務上。\u003C\u002Fp>\u003Cp>另一個值得注意的點，是作者對規模的想像。他們提到 personas 已經有 billion scale 的供給量，並認為這套方法在算力足夠時，理論上可以擴到 millions 甚至 billions 的 synthetic user worlds。這不是已經完成的結果，而是對可擴展性的主張。它代表作者想把合成工作環境，做成未來 agent 自我改進的基礎設施。\u003C\u002Fp>\u003Ch2>對開發者有什麼影響\u003C\u002Fh2>\u003Cp>如果你在做辦公型 agent，這篇論文提供了一個很實際的提醒：環境本身就是訓練訊號的一部分。只看短 prompt 的模型，往往學不到怎麼使用檔案結構、怎麼跨多個檔案維持上下文、怎麼處理長期專案狀態。Synthetic computers 的想法，就是把這些能力變成可訓練的行為。\u003C\u002Fp>\u003Cp>對工程實作來說，這種方法的吸引力很明確。若它真的能穩定運作，就可能幫助打造更會做持續性工作的 agent，例如整理文件、追蹤任務、和協作者協調、長時間維持交付節奏。這和一般聊天式助理是不同問題，資料需求也完全不同。\u003C\u002Fp>\u003Cp>它還有一個更大的系統意義。長程軌跡如果能以足夠規模產出，就可能成為 agent self-improvement 的資料來源，讓模型在接近真實工作流程的環境裡反覆修正行為。論文明確把 synthetic computer creation 和 at-scale simulation，視為 agentic reinforcement learning 在 productivity 場景中的潛力方向。\u003C\u002Fp>\u003Ch2>限制與還沒回答的問題\u003C\u002Fh2>\u003Cp>最大的限制，是摘要只給了高層概念，沒有把方法細節攤開。像是 synthetic computers 到底怎麼建、內容怎麼生成、評估流程怎麼設計、實際用了哪些 productivity benchmarks，摘要都沒有公開。這讓外部讀者很難只靠這段資訊判斷它的泛化能力。\u003C\u002Fp>\u003Cp>第二個限制是成本。單次模擬超過 8 小時，平均又超過 2,000 turns，代表算力和 orchestration 的負擔都不小。方法在概念上可擴展，不代表在實務上便宜。對想把這類系統落地的人來說，成本會是核心考量之一。\u003C\u002Fp>\u003Cp>第三個問題是 realism。作者主張 synthetic worlds 可以涵蓋不同職業、角色、環境與生產力需求，但這在摘要裡仍屬於方向性的說法，不是已經完整驗證的大範圍結論。真正的挑戰是：合成世界能不能保留真實工作的複雜性與不可預測性，又不會變得太腳本化。\u003C\u002Fp>\u003Cul>\u003Cli>優點：把長程、環境豐富的 agent 訓練資料做成可批量生成。\u003C\u002Fli>\u003Cli>優點：把檔案系統、文件、試算表、簡報等真實工作元素納入模擬。\u003C\u002Fli>\u003Cli>結果：初步實驗建立 1,000 台 synthetic computers，單次模擬平均 2,000+ turns、超過 8 小時。\u003C\u002Fli>\u003Cli>限制：摘要沒有公開完整 benchmark 名稱與精確改善幅度。\u003C\u002Fli>\u003Cli>待解問題：這種合成工作世界在更大規模下，能否維持真實性與可控性。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>如果你在關注 productivity agent、長程規劃、或 agentic reinforcement learning，這篇論文的核心訊息其實很簡單：要訓練會做長工作的人，先得有像樣的工作環境。這篇是在嘗試把那個環境，做成可以大規模生成的基礎建設。\u003C\u002Fp>\u003Cp>也因為如此，它的價值不只在某個單點模型表現，而在於它提出了一種資料生成思路：讓 agent 在更接近真實電腦的世界裡，累積足夠長、足夠雜、足夠像工作的經驗。對開發者來說，這可能比再多一個短 benchmark 更接近下一階段的需求。\u003C\u002Fp>","這篇論文用大量合成使用者電腦，模擬長達數月的生產力工作，讓代理人能在更像真實辦公環境的情境中訓練與評估。","arxiv.org","https:\u002F\u002Farxiv.org\u002Fabs\u002F2604.28181",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1777620220113-to6h.png","research","zh","14c7a767-8a49-4a9f-9531-3ea654444daf",[17,18,19,20,21],"agent training","synthetic computers","long-horizon tasks","productivity simulation","agentic reinforcement learning",4,"2026-05-01T06:30:45.987929+00:00","2026-05-01T06:30:45.917+00:00",{"tags":26,"relatedLang":37,"relatedPosts":41},[27,29,31,33,35],{"name":20,"slug":28},"productivity-simulation",{"name":18,"slug":30},"synthetic-computers",{"name":19,"slug":32},"long-horizon-tasks",{"name":17,"slug":34},"agent-training",{"name":21,"slug":36},"agentic-reinforcement-learning",{"id":15,"slug":38,"title":39,"language":40},"synthetic-computers-long-horizon-agent-training-en","Synthetic computers for long-horizon agent training","en",[42,48,54,60,66,72],{"id":43,"slug":44,"title":45,"cover_image":46,"image_url":46,"created_at":47,"category":13},"33c9a55c-a8c0-4367-b742-f4567d1e98e3","mathematicians-warn-ai-could-distort-math-zh","數學界警告 AI 會扭曲證明標準","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780504386035-080l.png","2026-06-03T16:32:29.415063+00:00",{"id":49,"slug":50,"title":51,"cover_image":52,"image_url":52,"created_at":53,"category":13},"5c3cb90f-7efd-426f-8c09-32a303f82be9","humanoid-gpt-zero-shot-motion-tracking-zh","Humanoid-GPT：用 GPT 擴大動作追蹤","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780469319284-znpc.png","2026-06-03T06:47:34.463464+00:00",{"id":55,"slug":56,"title":57,"cover_image":58,"image_url":58,"created_at":59,"category":13},"e3a4b0f7-03b3-43c6-ae51-906b337c5c2f","ipt-vlms-hidden-space-reasoning-zh","IPT 讓 VLM 更會想像隱藏空間","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780468394735-1k40.png","2026-06-03T06:32:46.560029+00:00",{"id":61,"slug":62,"title":63,"cover_image":64,"image_url":64,"created_at":65,"category":13},"5fca9fe5-af66-47ce-85f0-0ffe1bee30b9","neuron-selectivity-changes-with-scale-zh","神經元選擇性會隨規模改變","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780467514422-7oss.png","2026-06-03T06:17:44.126547+00:00",{"id":67,"slug":68,"title":69,"cover_image":70,"image_url":70,"created_at":71,"category":13},"9f9c2a61-d058-4c62-bb88-106e683657f0","nasa-landsat-wild-disturbances-rising-zh","NASA Landsat：野火與風暴變多","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780448581102-owp0.png","2026-06-03T01:02:37.513233+00:00",{"id":73,"slug":74,"title":75,"cover_image":76,"image_url":76,"created_at":77,"category":13},"3479bdee-21fb-4fda-9572-9394caba01b0","adacodec-predictive-visual-code-video-mllms-zh","AdaCodec 用預測碼壓縮影片 token","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780381988591-z2sp.png","2026-06-02T06:32:28.249023+00:00",[79,84,89,94,99,104,109,114,119,124],{"id":80,"slug":81,"title":82,"created_at":83},"f18dbadb-8c59-4723-84a4-6ad22746c77a","deepmind-bets-on-continuous-learning-ai-2026-zh","DeepMind 押注 2026 連續學習 AI","2026-03-26T08:16:02.367355+00:00",{"id":85,"slug":86,"title":87,"created_at":88},"f4a106cb-02a6-4508-8f39-9720a0a93cee","ml-papers-of-the-week-github-research-desk-zh","每週 ML 論文清單，為何紅到 GitHub","2026-03-27T01:11:39.284175+00:00",{"id":90,"slug":91,"title":92,"created_at":93},"c4f807ca-4e5f-47f1-a48c-961cf3fc44dc","ai-ml-conferences-to-watch-in-2026-zh","2026 AI 研討會投稿時程整理","2026-03-27T01:51:53.874432+00:00",{"id":95,"slug":96,"title":97,"created_at":98},"cf046742-efb2-4753-aef9-caed5da5e32e","adaptive-block-scaled-data-types-zh","IF4：神經網路量化的聰明選擇","2026-03-31T06:00:36.990273+00:00",{"id":100,"slug":101,"title":102,"created_at":103},"53a0dc54-0371-4e40-8d5e-74e94a73840c","geometry-aware-similarity-metrics-for-neural-representations-zh","超越距離測量：用微分幾何重新理解神經網路","2026-03-31T06:01:01.241968+00:00",{"id":105,"slug":106,"title":107,"created_at":108},"fee7d472-a775-4b1d-bbc2-1e8bca1bbf8b","on-the-fly-repulsion-in-the-contextual-space-for-rich-divers-zh","讓AI繪圖更有創意：用排斥力提升生成多樣性","2026-03-31T06:01:25.439673+00:00",{"id":110,"slug":111,"title":112,"created_at":113},"a9901203-d69b-447b-8854-15d14eab32b4","vision-aided-beam-prediction-cnn-eca-zh","影像輔助波束預測升級 CNN","2026-04-01T10:00:25.8073+00:00",{"id":115,"slug":116,"title":117,"created_at":118},"b55e7dd4-0a24-4b3d-804d-b0309a03f498","triple-band-fss-mimo-antenna-sub-6-ghz-zh","三頻 FSS MIMO 天線瞄準 sub-6 GHz","2026-04-01T13:18:36.857305+00:00",{"id":120,"slug":121,"title":122,"created_at":123},"f68290bd-e7f3-4b30-ba22-dcd4e0130a66","openclaw-1299-repos-eight-weeks-analysis-zh","OpenClaw 1299 個 Repo 的資料解讀","2026-04-02T05:03:45.208411+00:00",{"id":125,"slug":126,"title":127,"created_at":128},"ed9f80eb-eb02-4d35-8ad4-0ddf428751dd","beam-coherence-aware-combining-mmwave-mimo-zh","毫米波 MIMO 的雙階合併法","2026-04-02T05:27:26.897188+00:00"]