论文页面 - 终端代理的环境演化

来源：https://huggingface.co/papers/2609.04128 作者：

,

,

,

,

,

,

,

,

,

,

摘要

环境演化通过离策略方式逐步增加任务难度，为终端代理提供持续的学习信号，从而通过多代理协作机制提升基准性能。

扩展交互式和可验证的环境对于训练终端代理至关重要。随着前沿模型能力的增强，从零合成环境带来的挑战性降低，因而提供的学习信号有限。近期的协同演化方法基于策略执行过程中暴露的弱点，在模型可学习边界附近迭代合成环境。然而，这些方法依赖于在线策略执行，这限制了泛化能力，并且在模型变强时无法持续提供学习信号。本文提出环境演化，通过离策略方式逐步提高环境难度，并在训练过程中逐代调度演化环境的生成，以提供持续的学习信号。我们从多轮学习目标中推导出影响环境难度的三个演化方向，然后通过工程化的循环多代理协作机制沿这些方向实现演化。使用Hy4预览版、Claude Opus 5和GPT-5.6 Sol进行的定量实验表明，环境演化能够持续生成更具挑战性的环境。我们通过简单的长周期强化学习训练，在Qwen3.6-27B和Qwen3.6-35B-A3B上验证了其有效性，使其在Terminal-Bench 2.1上的性能分别提升了14.4和18.0个百分点。

查看arXiv页面 (https://arxiv.org/abs/2609.04128)查看PDF (https://arxiv.org/pdf/2609.04128)添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2609.04128)

在你的代理中获取此论文：

hf papers read 2609\.04128

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

引用此论文的模型0

没有模型关联此论文

在模型README.md中引用arxiv.org/abs/2609.04128以从此页面链接。

引用此论文的数据集0

没有数据集关联此论文

在数据集README.md中引用arxiv.org/abs/2609.04128以从此页面链接。

引用此论文的Space0

没有Space关联此论文

在Space README.md中引用arxiv.org/abs/2609.04128以从此页面链接。

包含此论文的收藏0

没有收藏包含此论文

将此论文添加到收藏 (https://huggingface.co/new-collection)以从此页面链接。