Echoverse:大规模训练电脑操作智能体的深度演化环境

一个研究团队发布 Echoverse,一套用于批量训练电脑操作智能体的合成环境系统,核心洞察是:训练环境的数量已经不再是瓶颈,环境本身够不够「深」、能不能自我进化才是决定训练效果的关键。

• 现实中很多需要操作的软件都是登录态、有状态的应用,难以直接拿来训练,只能靠合成环境替代,但环境批量生成后,问题从「有多少个」变成了「每个里面有什么」
• 提出三个决定训练收益的核心属性:环境的行为深度、是否精准针对智能体实际会失败的交互点、能否随模型能力同步进化
• 环境任务直接对着应用自身的数据库判分,并用一套「共同进化」循环——把每次训练产出的轨迹既当作修补环境和验证器的素材,又当作训练模型的信号
• 用 12 个这样的环境训练一个 90 亿参数模型,在 14 个评测集上平均分从 36.5% 提升到 67.1%,已逼近教它的更大规模前沿模型,仅差 14 分
• 对比实验证明深度是关键:浅层环境反而会把真实网站上的准确率从 80% 拉低到 75%,深层环境则能把准确率推高到 85%,修补单个环境甚至能让模型表现从 16.2% 跃升到 38.5%
• 这套方法论把训练电脑操作智能体的重心,从造更多环境转向造更懂智能体弱点、能持续自我修复的环境,并已开源四个环境作为评测基准供后续研究复用。

本内容由 AI 生成，仅供参考，请注意甄别