论文页面 - 面向通用长时程智能体的递归环境扩展

来源：https://huggingface.co/papers/2610.16397 作者：

,

,

,

,

,

,

,

,

,

,

,

摘要

递归环境扩展通过变换基准来提高难度，同时保持目标不变，从而改进智能体评估和监督微调的表现\。

我们研究将环境扩展 (https://huggingface.co/papers?q=environment%20scaling)作为一种提高智能体基准难度 (https://huggingface.co/papers?q=agent-benchmark%20difficulty)的方法，同时保持核心任务目标不变\。我们的框架——递归环境扩展 (https://huggingface.co/papers?q=Recursive%20Environment%20Scaling)(RES)——对现有基准环境进行变换，同时保留其目标和完成要求\。提议器修改信息访问 (https://huggingface.co/papers?q=information%20access)、资源关系 (https://huggingface.co/papers?q=resource%20relations)和执行依赖 (https://huggingface.co/papers?q=execution%20dependencies)；基于执行的检查 (https://huggingface.co/papers?q=execution-grounded%20checks)验证生成的候选环境，而被接受的修改会在后续轮次中继承\。这一过程生成相关联的环境，用于配对评估 (https://huggingface.co/papers?q=paired%20evaluation)和训练轨迹收集 (https://huggingface.co/papers?q=training-trajectory%20collection)\。在来自三个基准的 294 个初始任务上进行的实验表明，所有六个评估模型的任务成功率均有所下降，其中在 Claw-Eval-Live 上下降了 57.14--77.14 个百分点\。在轨迹数量相同、优化设置一致的情况下，使用 RES 轨迹进行微调，在全部九组模型与基准的比较中均优于使用原始轨迹的监督微调（SFT），提升了 7.00--14.61 个百分点\。消融实验表明，递归继承 (https://huggingface.co/papers?q=recursive%20inheritance)和依赖组合 (https://huggingface.co/papers?q=dependency%20composition)是提高难度的重要因素\。这些结果共同支持将环境扩展 (https://huggingface.co/papers?q=environment%20scaling)用于智能体评估和训练\。

查看 arXiv 页面 (https://arxiv.org/abs/2610.16397)查看 PDF (https://arxiv.org/pdf/2610.16397)添加到合集 (https://huggingface.co/login?next=%2Fpapers%2F2610.16397)

在你的智能体中获取这篇论文：

hf papers read 2610\.16397

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

引用这篇论文的模型0

没有模型关联这篇论文

在模型的 README.md 中引用 arxiv.org/abs/2610.16397，即可在本页面建立指向该模型的链接\。

引用这篇论文的数据集0

没有数据集关联这篇论文

在数据集的 README.md 中引用 arxiv.org/abs/2610.16397，即可在本页面建立指向该数据集的链接\。

引用这篇论文的 Spaces0

没有 Space 关联这篇论文

在 Space 的 README.md 中引用 arxiv.org/abs/2610.16397，即可在本页面建立指向该 Space 的链接\。

收录这篇论文的合集0

没有合集收录这篇论文

将这篇论文添加到合集 (https://huggingface.co/new-collection)，即可在本页面建立指向该合集的链接\。