腾讯混元发布WorkForge：面向长程工作智能体的可扩展训练框架
TREE NEWS 报道， 腾讯混元宣布推出WorkForge，这是一个面向长程工作智能体的可扩展框架，可利用真实世界资源构建可验证的训练环境。该框架从专家工作流程出发，构建真实工作空间、提取可核验事实，并基于可观测证据生成任务及程序化与语义双重验证机制。目前，WorkForge已扩展至1.67万个训练环境，覆盖40个专业领域和60种文件类型。腾讯混元表示，随着数据量和交互时长增加，该框架在长程任务基准测试中的表现持续提升。
行业分析：弥合AI与真实工作之间的鸿沟
WorkForge的推出标志着AI智能体训练方式的重大转变。传统训练环境往往依赖合成数据或狭窄的特定任务数据集，难以泛化到复杂的、多步骤的真实工作流程。WorkForge的方法——将训练建立在真实的专家工作流程和可验证的事实之上——解决了一个关键瓶颈：需要高保真、可扩展的环境，以教会智能体可靠地执行长程任务。
对于加密和Web3生态系统而言，这一发展具有深远影响。链上AI智能体正日益被视为去中心化应用的下一个前沿，从自动化DeFi策略到自治DAO。然而，此类智能体的成功取决于它们在开放式、对抗性环境中运作的能力——这正是WorkForge旨在培养的长程推理能力。通过提供一个能够生成数千个领域特定训练环境的框架，腾讯混元实际上降低了构建更强大AI智能体的门槛，这些智能体最终可能被部署在去中心化环境中。
此外，对可验证性——包括程序化和语义验证——的强调，与加密行业信任最小化验证的核心价值相一致。如果AI智能体要管理链上资产或执行复杂的金融策略，其决策过程必须是可审计和可证明的。WorkForge的双重验证机制可以为Web3中AI智能体的训练和评估方式提供一个蓝图，确保其行为建立在可观测、可验证的证据之上。
前瞻：通往自治链上智能体之路
虽然WorkForge目前是一个通用AI训练框架，但其与加密领域的潜在交集不容忽视。随着去中心化计算网络和AI数据市场逐渐成熟，像WorkForge这样的框架可以被调整用于专门训练链上任务的智能体——例如流动性提供、治理参与或跨链套利。覆盖40个领域的1.67万个环境的可扩展性表明，领域特定智能体（例如DeFi风险管理智能体或智能合约审计智能体）可以以前所未有的粒度进行训练。
然而，挑战依然存在。加密行业不仅要求性能，还要求安全性和去中心化。基于真实世界数据构建的训练环境必须精心策划，以避免可能被链上利用的偏见或漏洞。此外，运行如此大规模训练环境的计算成本可能会推动行业转向去中心化计算解决方案，进一步将AI与区块链基础设施交织在一起。
腾讯混元的WorkForge代表了朝着更稳健、可验证的AI智能体迈出的一步。对于加密行业而言，它提供了一个窥见下一代链上智能体如何训练的视角——不仅是为了执行任务，而且是以透明、可审计且符合去中心化信任原则的方式执行任务。
