OfficeTown: organizzazioni generative per l’evoluzione dell’intelligenza degli agenti

Abstract degli autori

Gli agenti di IA usano sempre più spesso file e strumenti software per produrre elaborati professionali. Questo lavoro si basa su materiali, decisioni e feedback accumulati nel corso di diversi incarichi. Presentiamo OfficeTown, un framework di simulazione generativa delle organizzazioni professionali in cui i compiti e il loro contesto nascono dal lavoro continuativo dell’organizzazione. A partire da una descrizione in linguaggio naturale delle finalità e delle attività di un’organizzazione, OfficeTown crea un’organizzazione i cui membri coordinano il lavoro, delegano incarichi circoscritti ad agenti assistenti e ne esaminano gli elaborati. Gli artefatti, le decisioni e le questioni irrisolte rimangono disponibili e influenzano il lavoro successivo, mentre responsabilità e autorizzazioni stabiliscono che cosa ciascun membro può vedere e fare. Organizziamo le richieste di lavoro, il loro contesto e il feedback delle revisioni in risorse eseguibili per la valutazione e l’apprendimento. Costruiamo OfficeTown Bench con 406 compiti e 4.836 criteri di valutazione provenienti da 23 organizzazioni simulate in otto ambiti professionali, integrando il feedback di esperti dei rispettivi settori. Le valutazioni dei modelli di frontiera rivelano che restano ampi margini di miglioramento. Il fine-tuning supervisionato e la distillazione on-policy sui dati di OfficeTown migliorano sostanzialmente le prestazioni di Qwen3.5-9B su benchmark esterni relativi al lavoro professionale, tra cui GDPval. Valutazioni supplementari mostrano che l’architettura mandante-assistente ottiene punteggi più alti rispetto alle baseline testate a singolo agente e multiagente. Questi risultati mettono in evidenza il valore della simulazione organizzativa per generare dati e ambienti radicati nel lavoro concreto, a sostegno del continuo sviluppo di agenti generalisti.