论文页面 - Echoverse：用于大规模训练计算机使用智能体的深度演化环境

来源：https://huggingface.co/papers/2607.28074 作者：

，

，

，

，

，

，

，

，

，

，

，

摘要

计算机使用智能体（computer-use agents）通过其行为所改变的结果来学习，因此训练这样的智能体需要能够让其操作、破坏并重置的应用程序。最关键的应用程序通常受登录限制且具有状态，因此合成环境便充当了它们的替身。近期的流水线能够批量生成此类环境，这使瓶颈从“环境中存在多少”转移到“每个环境内部是什么”。我们发现，其收益来自三个属性：环境携带多少行为深度（behavioural depth）、是否针对智能体实际失败的交互，以及是否能随模型一同改进。我们提出了 Echoverse，它将规范编译为有状态应用程序，其任务根据应用程序自身的数据库进行评分；同时构建了一个协同进化（co-evolution）循环，对每次已评分的推演（rollout）进行双重利用：既作为对环境、其任务及其验证器的修复，也作为模型的训练信号。在十二个这样的环境上训练后，一个 9B 模型在十四个评估划分上从 36.5% 提升到 67.1%，与教授它的更大规模前沿模型仅差 14 个百分点。我们逐一考察每个属性。在相同领域上，浅层环境将实站准确率（live-site accuracy）压到基础模型之下（80.0 降至 75.0），而深层环境则将其提升（80.0 升至 85.0，48.0 升至 65.0）；跨多种渲染方式深入训练一种界面控件，其能力可迁移到未见的控件族以及开放互联网上；而修复单个环境就能使在该环境上训练的模型从 16.2% 提升到 38.5%。同样的世界也可用作强化学习环境，其中将基于事实的验证器与密集的逐步评判器相结合的奖励，将未见数据上的得分从 58.8% 提升到 68.0%。我们发布了四个环境作为基准，包括其应用程序、种子数据和基于事实的评分器。代码：https://aka.ms/echoverse

查看 arXiv 页面 (https://arxiv.org/abs/2607.28074)查看 PDF (https://arxiv.org/pdf/2607.28074)GitHub2 (https://github.com/microsoft/Echoverse)添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2607.28074)

在你的代理中获取这篇论文：

hf papers read 2607.28074

没有最新的 CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用该论文的模型 0

没有模型链接到该论文

在模型的 README.md 中引用 arxiv.org/abs/2607.28074，即可在页面上链接该论文。

引用该论文的数据集 0

没有数据集链接到该论文

在数据集的 README.md 中引用 arxiv.org/abs/2607.28074，即可在页面上链接该论文。

引用该论文的 Spaces 0

没有 Space 链接到该论文

在 Space 的 README.md 中引用 arxiv.org/abs/2607.28074，即可在页面上链接该论文。

包含该论文的收藏集 0

没有收藏集包含该论文

将此论文添加到收藏集 (https://huggingface.co/new-collection) 以从本页链接它。