**Agent-R^2：通过真实数据合成实现 AI 代理的规模化生产力突破**

_Agent-R^2: Scaling Agents for Realistic Productivity Work via Real-Source Data Synthesis_

> 针对当前 AI 代理难以完成真实生产力工作的瓶颈，研究提出了 Agent-R^2 框架。该框架利用真实职业种子、语料库工作证据和网页文件进行数据合成，生成了包含真实附件和精细评估标准的 4k 个任务实例。基于此数据训练的 4B 参数模型，在 GDPval 和 OfficeQA 两项基准测试中，分别以 51.0% 和 14.8% 的得分超越了 235B 参数的 Qwen3 模型，并有效减少了代理的投机取巧行为。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-11-13 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2611.08219)