연구진은 LLM 에이전트 능력 확장에 필요한 학습 데이터 합성의 어려움을 지적하며, 기존 방식의 한계를 극복하기 위해 NexForge 프레임워크를 개발했어요.
NexForge는 요구사항 기반으로 다양한 에이전트 작업과 전문가 경로를 생성하며, 실제 수요를 반영한 작업 분포를 구축하는 데 초점을 맞추고 있어요.
NexForge를 통해 생성된 3,600개의 터미널 작업과 2,000개의 사무 작업은 Qwen3.5-35B-A3B Base의 성능을 Terminal-Bench 2.0에서 22.5%에서 52.0%로 향상시켰어요.