想象一下，你正在教一个机器人成为一名顶级大厨。你可能会认为，最好的方法是给它喂食数百万个食谱，教它如何切洋葱，并让它练习制作舒芙蕾。但如果成为一名优秀大厨的秘诀不仅仅是了解食谱呢？如果真正的技能在于你的思考方式呢？如果真正的技能是知道如何将一场庞大、可怕的晚宴拆解成一个个细小、可控的步骤，在忙于切菜时还能记住收集到的所有食材，并留意主人的饮食限制，并且在端上菜品之前真正品尝食物以确保其熟透了呢？

这就是“智能体”（agentic）AI的世界——这些计算机程序不仅能回答问题，还能真正地“做事”，比如浏览网页、编辑文件或运行测试。长期以来，科学家们认为这些机器人需要针对它们最终要做的具体工作进行训练。如果你想让机器人修复计算机代码，你就必须用数百万个修复代码的例子来教它。但这篇论文提出了一个大胆的问题：如果我们教机器人成为一名优秀的“办公室职员”会怎样？如果我们教它整理电子表格、安排会议和管理文档，然后要求它去修复软件呢？成为一名优秀办公室职员的技能，是否能帮助它成为一名更好的软件工程师？

Surge AI的研究人员决定测试这个想法。他们采用了一个非常聪明的AI模型，并给它进行了一场关于“长程”（long-horizon）办公工作的强化训练。这些不是像“发送电子邮件”这样简单的任务，而是复杂的、多步骤的冒险过程，AI必须在其中同时处理多种工具，维持一个关于自己正在做什么的心理地图，并确保在陷入细节时不会丢失全局观。他们用363个这样的办公任务训练了这个AI，但关键在于：这些训练任务中没有任何一个与软件或编程有关。

结果如何？当他们测试该AI在名为SWE-Bench Pro的著名软件工程挑战赛上的表现时，它的表现显著提升。它的成功率提高了5.8个百分点。论文指出，通过学习如何管理复杂的、多步骤的办公流程，该AI学会了一种用于目标导向执行的通用“肌肉”。它学会了如何设定目标、构建情境心理图景、在情况变得混乱时仍坚持原定计划，以及如何反复检查自己的工作。作者认为，这些技能就像一把瑞士军刀：一旦你学会了如何利用它们来整理文件柜，你就可以利用它们来调试计算机程序，尽管这两项工作在表面上看起来完全不同。

秘诀所在：“目标循环”

为了理解这是如何运作的，请想象这个AI是一个正在巨大的、分支繁多的迷宫中航行的探险家。论文称该AI的策略为“目标导向执行”（Goal-Directed Execution，简称GDE）。可以将这看作是AI不断重复进行的四步舞步，就像视频游戏中的循环一样：

1. 目标形成（Goal Formation）： AI会问：“为了接近终点，我下一步必须做的具体事情是什么？”
2. 状态构建（State Construction）： 它环顾四周并说：“好吧，我现在了解哪些情况？我刚刚发现了什么？”它构建了一个当前状况的心理地图。
3. 目标稳定性（Goal Stability）： 它检查自己的指南针。“我仍然朝着主要的宝藏前进吗，还是被一块发光的石头分散了注意力？”它确保所采取的小步骤不会忘记宏大的目标。
4. 验证（Verification）： 最后，它会问：“我真的做到了吗？我有证据吗？”它不只是猜测；它会检查证据。

论文指出，复杂的任务——无论是组织公司的预算还是修复视频游戏中的漏洞——都是由这些相同的循环组成的。有时，这些循环会像俄罗斯套娃一样嵌套在一起。你有一个大目标（修复应用），它分解为较小的目标（找到漏洞），进而分解为更小的目标（阅读这个特定的文件）。

实验：从电子表格到软件

研究人员拿取了一个大型AI模型（Qwen3.5-122B-A10B），并给它喂了一份特殊的“训练食谱”。他们没有喂它代码，而是喂给它363个真实的办公场景。想象一下这个AI扮演着一名虚拟实习生的角色。它必须：

• 在文档和电子表格中搜索信息。
• 使用网络浏览器进行研究。
• 规划日程并管理文件。
• 在不同的数字工具之间进行协调。

这些任务旨在设计得非常棘手。它们要求AI同时追踪许多事物，在不同工具之间切换，并确保自己不会丢失故事的主线。AI反复练习这些任务，直到变得非常擅长。至关重要的是，训练数据中包含零个软件工程任务。 在训练期间，AI从未见过一行代码。

随后便是测试阶段。研究人员要求经过训练的AI解决SWE-Bench Pro上的问题，这是一个测试AI修复现实世界软件漏洞能力的基准测试。他们将这个经过训练的AI与学习了办公技能之前的同一个模型进行了对比。

结果：一种通用技能

经过训练的AI表现出色。它在软件工程测试上的成功率从 20.5% 跳升至 26.3%。这是 5.8个百分点 的提升。

但最有趣的部分不仅是分数，而是AI的“思维方式”发生了怎样的变化。研究人员仔细观察了AI的“思考过程”（轨迹），发现经过训练的AI在处理办公任务和软件任务时，都能比未训练的AI更好地完成这四步舞步。

以下是结合论文示例的变化情况：

• 更好的目标形成： 未经训练的AI经常选择一个“局部合理”但实际上错误的目标。例如，在处理一个软件任务时，它可能会尝试重写整个函数，而其实已经存在一个简单的辅助工具。经过训练的AI由于在办公任务中学到了如何选择正确的下一步，它会意识到：“嘿，那里已经有一个现成的工具了，”并直接使用它。
• 更好的状态构建： 未经训练的AI经常会丢弃重要信息。在一次办公任务中，它看到一个带有公式的电子表格单元格，便认为：“这不是一个数字，我忽略它。”但经过训练的AI会意识到：“等等，这个公式可以计算出我需要的数据，”从而保留了该数据。它学会了构建更好的情境心理地图。
• 更好的目标稳定性： 这是指不丢失全局观。在一次软件任务中，未经训练的AI看到一个测试失败，便修改了代码以使测试通过，尽管这样做违反了原始需求。经过训练的AI记住了“父级目标”（原始需求），并且没有让局部问题干扰它。它就像一位即使打印机卡纸也能记住截止日期的项目经理。
• 更好的验证： 未经训练的AI往往只是进行肤浅的检查。它可能会说：“我已经导出了文件，所以我完成了。”经过训练的AI则更加彻底。它会检查文件是否确实包含了正确的数据，以及这些更改是否影响了系统的其他部分。它不只是勾选任务框，它会检查现实情况。

大局观

论文表明，通过在复杂的、长程办公任务上训练AI，研究人员强化了它组织思想和行动的能力。AI学到的不是如何编写代码，而是学习如何学习以及如何执行复杂的计划。管理电子表格、追踪多个文件以及验证报告的技能，被证明与调试程序所需的技能惊人地相似。

作者谨慎地表示，这是一种“行为层面的解释”。他们并不是声称AI的大脑里真的有一个像人类那样的“目标堆栈”。相反，他们是在观察AI的行为看起来像是正在使用这四种能力。数据表明，当AI在某一领域（办公工作）变得更擅长这些行为时，它在另一个领域（软件）也会变得更强，即便它从未接受过关于第二个领域的直接训练。

这有点像训练一名体操运动员。你可能在训练她练习平衡木，虽然她并没有在练习跳跃，但她的核心力量、平衡感和专注力都得到了提升。当她最终站在跳跃台前时，她的表现会更好，因为她的底层“体操技能”得到了磨练。在这种情况下，“体操”就是管理复杂长程任务而不迷失方向的能力。

论文并未声称这是一个能解决所有AI问题的“灵丹妙药”，也没有说这是提高AI水平的唯一途径。但它提供了一个引人入胜的新视角：也许我们不需要教AI世界上所有的工作，也许我们只需要教它如何成为一名优秀、有组织、有目标的员工，它自然就能掌握剩下的部分。