大规模合成计算机用于长周期生产力模拟

现实的长周期生产力工作强烈依赖于用户特定的计算机环境，其中大部分工作上下文通过目录结构和内容丰富的工件（例如，文档、电子表格和演示文稿）进行存储和组织。为了扩展此类生产力场景的合成数据创建，我们引入了大规模合成计算机，这是一种可扩展的方法论，用于创建具有真实文件夹层次结构和内容丰富的工件（例如，文档、电子表格和演示文稿）的此类环境。以每个合成计算机为条件，我们运行长周期模拟：一个智能体创建针对该计算机用户的生产力目标，这些目标需要多个专业交付物和大约一个月的人工工作；另一个智能体随后扮演该用户，持续在计算机上工作——例如，浏览文件系统以获取背景信息、与模拟协作者协调、并生成专业工件——直到这些目标完成。在初步实验中，我们创建了1000台合成计算机并在其上运行长周期模拟；每次运行需要超过8小时的智能体运行时间，平均跨越2000多个回合。这些模拟产生了丰富的经验学习信号，其有效性通过智能体在领域内和领域外生产力评估中性能的显著提升得到验证。鉴于人物角色在十亿级别上非常丰富，这种方法论原则上可以扩展到数百万甚至数十亿个合成用户世界，只要有足够的计算资源，就能更广泛地覆盖多样化的职业、角色、上下文、环境和生产力需求。我们认为，可扩展的合成计算机创建，结合大规模模拟，作为长周期生产力场景中智能体自我改进和智能体强化学习的基础基板，极具前景。