Agent Training Co-evolution Synthetic Environments Reinforcement Learning
摘要

本文提出 Echoverse,一种通过编译规范生成有状态应用的环境框架,旨在解决计算机使用代理训练数据匮乏问题。其核心创新在于“共进化循环”:利用模型在环境中的执行反馈,同时修复环境任务、验证器并作为训练信号优化模型本身。实验表明,深度环境与共进化机制显著提升了模型性能,使 9B 模型在多项评估中接近前沿大模型水平,证明了环境深度与动态演化的关键作用。

AI 推荐理由

论文提出共进化循环,环境与模型相互迭代改进,核心聚焦自我进化机制。

研究机构
Microsoft Research
论文信息
作者 Yash Pandya, Sahil Gupta, Sarthak Harne, Archana Yadav, Kavyansh Chourasia et al.
发布日期 2026-07-30
arXiv ID 2607.28074
相关性评分 9/10 (高度相关)