ИССЛЕДОВАНИЕ · RESEARCH · #2135
Google опубликовала EnvHarness: адаптация сред обучения для самоэволюционирующих агентов
Исследователи Google открыли исходный код EnvHarness — фреймворка, который оборачивает статические среды через стандартные reset()/step() и применяет составные изменения (setup, rule, link), чтобы среда адаптировалась к слабостям агента без изменения базовой среды или верификаторов. В комплект входит EnvRigger — автоматический цикл, анализирующий роллауты агента для генерации и проверки целевых правок среды; по данным Google, это даёт стабильный прирост производительности (~2,9–3,7 процентных пункта) на WebArena, SWE-bench Verified и ALFWorld для моделей вроде Gemini, Qwen и Claude Sonnet.
КЛЮЧЕВЫЕ ТЕЗИСЫ
- Исследователи Google открыли исходный код EnvHarness — фреймворка, который оборачивает статические среды через стандартные reset()/step() и применяет составные изменения (setup, rule, link), чтобы среда адаптировалась к слабостям агента без изменения базовой среды или верификаторов.
- В комплект входит EnvRigger — автоматический цикл, анализирующий роллауты агента для генерации и проверки целевых правок среды; по данным Google, это даёт стабильный прирост производительности (~2,9–3,7 процентных пункта) на WebArena, SWE-bench Verified и ALFWorld для моделей вроде Gemini, Qwen и Claude Sonnet.
- EnvHarness предоставляет доменно-агностичный способ коэволюции среды и агента при сохранении верификаторов, что повышает эффективность обучения и помогает агентам продолжать прогресс на статичных бенчмарках.
ПОЧЕМУ ЭТО ВАЖНО
EnvHarness предоставляет доменно-агностичный способ коэволюции среды и агента при сохранении верификаторов, что повышает эффективность обучения и помогает агентам продолжать прогресс на статичных бенчмарках.