Pesquisadores apresentam o AgentOmnia, um framework para escalonamento agêntrico de cenários completos que coordena a definição do espaço de tarefas, síntese de dados, pós-treinamento, avaliação e melhoria em aplicações To-Consumer, To-Business e To-Employee. O sistema utiliza uma taxonomia extensível e constrói 5.018 ambientes com estado contendo 255.375 ferramentas e 52.361 tarefas para permitir diagnóstico fino por meio do OmniaBench.
- AgentOmnia combina síntese bidirecional de ambiente-tarefa com dependência de ferramentas, pipelines estruturados por programa e baseados em solucionadores.
- O pós-treinamento emprega ajuste fino supervisionado, aprendizado por reforço agêntrico online e um currículo de reversão.
- Falhas na avaliação geram Documentos de Requisitos do Produto para autoevolução direcionada.
- Partindo do Qwen3-30B-A3B-Thinking-2507, o framework eleva a taxa de aprovação do subconjunto desafiador do OmniaBench de 9,16% para 37,11% e a média macro em quatro benchmarks de 22,86% para 41,69%.
- O modelo lidera as linhas de base pós-treinadas agênticas avaliadas no OmniaBench e supera o Qwen3-235B-A22B-Thinking-2507 em todos os quatro benchmarks.
Os autores consideram isso significativo porque os ganhos abrangem três divisões de aplicação, dez dimensões de capacidade, oito fatores de dificuldade atômica e 76 dos 90 domínios de nível 1, indicando uma melhoria ampla em vez de específica por categoria.