[LG]《Synthetic Computers at Scale for Long-Horizon Productivity Simulation》T Ge, B Peng, H Cheng, J Gao [Microsoft] (2026)

在长时程生产力智能体训练中，缺乏真实用户电脑环境是一个悬而未决的难题。过去的方法受困于仅生成任务而非上下文，本质原因是私人文件与工作轨迹无法规模化获取。

本文的核心洞见是：把“训练数据”重新看作“完整用户电脑世界”。由此，先生成含文件与历史的虚拟电脑，再让智能体在其中连续工作，关键操作使真实工作轨迹被合成。

这项工作真正留下的遗产是可扩展的“虚拟工作场”。它为后来者打开的新门是用模拟经验反哺智能体能力，但尚未跨过的门槛是环境真实性与计算成本的双重约束。

arxiv.org/abs/2604.28181 机器学习 人工智能 论文 AI创造营