AI 代理越来越多地使用文件和软件工具来生成专业交付物。这类工作依赖于跨任务累积的材料、决策和反馈。我们提出 OfficeTown——一个用于模拟专业组织的生成式框架，任务及其上下文来源于组织的持续工作。
给定组织目的和活动的自然语言描述，OfficeTown 能初始化组织成员，使其协同工作、向助理代理分配有界任务并审查交付物。文档、决策和未决事项会被持久化，进而影响后续工作；职责和权限决定每个成员的可见范围和可操作范围。
我们将工作请求、上下文和审查反馈整理为可执行资源，用于模型评估和学习。基于此构建了 OfficeTown Bench，收录 406 条任务、4,836 条评估标准，覆盖 23 个模拟组织、八个专业领域，并融入领域专家的反馈。
前沿模型评估显示仍有大量提升空间。对 OfficeTown 数据进行监督微调和在线蒸馏后，Qwen3.5-9B 在外部专业工作基准（包括 GDPval）上取得显著提升。补充实验表明，主-助理协同模式的得分高于单体和多体基线。
这些结果凸显组织模拟在生成工作真实数据和环境方面的价值，为通用代理的持续发展提供了新路径。
点评