Interlock, 장기 과제 에이전트를 완료까지 이끄는 학습 데이터 합성 프레임워크 제안

Interlock은 과제를 타입이 지정된 완료 그래프로 표현하고, 구성 요소 간 제약을 지키면서 장기 과제용 학습 데이터를 합성하는 프레임워크다. 검증을 통과한 궤적으로 Qwen3.6의 두 가지 백본을 미세 조정한 결과, AutomationBench의 합격률은 4.00~4.50포인트, JobBench의 가중 점수는 3.20~6.64포인트, Harvey LAB의 기준 합격률은 3.89~4.16포인트 향상됐다.