12ベンチマークで最先端級と主張のエージェント基盤

CoworkOSは、エージェントハーネス研究が活発化する中で登場した。論文は、追跡サイト側で過去90日間に526件のエージェント関連記事があったと記している。論文の枠組みは「長期的作業」、つまり単一ステップを超えて続くタスクに焦点を当てており、3層アーキテクチャは戦略と実行を分離し、人間とエージェントが進化する文書、プレゼンテーション、CADモデル、Blenderシーンを含む同一ファイルを点検・修正できるようにすることを意図している。

主要な実験は自己改善の実行だ。GLM-5.3をバックボーンとして、Qwen3.6-35B-A3Bに対する「RSI駆動の自動事後学習」を行い、5ラウンドにわたり8ベンチマークの平均スコアは33.19から42.95へ上昇した（+9.76）。要旨自体にはベンチマーク別の内訳はない。共著者リストは中国人民大学に加え復旦大学、北京大学、上海交通大学、NUS、華東師範大学にわたり、単一ラボのリリースではなく複数機関の取り組みであることを示唆している。