研究提出环境进化方法提升终端智能体性能
工具AI 评分 75/100arXiv cs.AI
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
该研究提出环境进化方法，通过离线增加环境难度并安排生成顺序，为训练提供持续学习信号。实验显示该方法能产生更困难的环境，在Qwen3.6-27B和Qwen3.6-35B-A3B模型上，Terminal-Bench 2.1性能分别提升14.4和18.0个百分点。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载环境演进的提出
训练终端智能体需要具备可扩展性且能交互验证的环境。随着前沿模型能力提升，从零合成的环境挑战性降低，提供的学习信号有限。现有的共同进化方法虽能基于模型在推演中暴露的弱点，迭代合成接近模型学习前沿的环境，但其对策略推演的依赖限制了泛化能力，且难以在模型变强时持续提供学习信号。为此，研究者提出环境演进方法，旨在通过离线方式逐步增加环境难度，并在训练期间按代调度演进环境，从而保证持续的学习信号。
演进方向与实现
该研究从多轮学习目标中推导出影响环境难度的三个演进方向，并通过循环工程化的多代理框架沿这些方向实施演进。在定量推演实验中，利用 Hy4 preview、Claude Opus 5 和 GPT-5.6 Sol 进行测试，结果显示环境演进能够持续产生更具挑战性的环境。这种方法通过离线调整环境参数，避免了传统方法对在线策略的过度依赖，使得环境生成过程更加灵活，能够适应不同能力水平的模型需求。
性能提升验证
为验证该方法的有效性，研究团队在 Qwen3.6-27B 和 Qwen3.6-35B-A3B 模型上进行了简单的长视界强化学习训练。测试结果显示，在 Terminal-Bench 2.1 基准上，这两个模型的性能分别提升了 14.4 和 18.0 个百分点。这表明环境演进能够有效增强终端智能体在复杂任务中的表现，为解决高难度环境下的训练问题提供了新的思路，有助于推动智能体在终端操作领域的发展。
为什么值得看
解决了终端智能体训练中环境难度不足的问题，显著提升模型性能。
Qwen智能体
信源1 家
关键事实
相关 · 工具
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。