论文页面 - 超越简单的环境扩展：为多模态智能体学习设计有效的环境分布

来源：https://huggingface.co/papers/2608.03571

摘要

近期的工作通过构建大规模多模态环境池来训练智能体。然而，我们发现仅仅增加多模态环境的数量并不总是有益的。我们进一步通过一系列实验分析了当前多模态环境分布中存在的局限性。基于这些发现，我们从两个维度研究如何构建更有效的训练环境分布：多样性和难度结构。在多样性方面，我们提出了能力感知环境选择（Ability-aware Environment Selection, AES），以获得多样化的环境集合。在难度结构方面，我们提出了层级难度课程（Hierarchical Difficulty Curriculum, HDC），通过两个难度级别组织课程学习：约束减弱和状态规模递进。实验表明，AES 和 HDC 能有效改善多模态智能体的训练。

查看 arXiv 页面 (https://arxiv.org/abs/2608.03571) 查看 PDF (https://arxiv.org/pdf/2608.03571) GitHub3 (https://github.com/GaryStack/Beyond-MMEnv-Scaling) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2608.03571)

让您的智能体获取这篇论文：

hf papers read 2608\.03571

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

引用此论文的模型 0

没有模型链接此论文

在模型的 README.md 中引用 arxiv.org/abs/2608.03571，即可从本页面链接到该模型。

引用此论文的数据集 0

没有数据集链接此论文

在数据集的 README.md 中引用 arxiv.org/abs/2608.03571，即可从本页面链接到该数据集。

引用此论文的 Space 0

没有 Space 链接此论文

在 Space 的 README.md 中引用 arxiv.org/abs/2608.03571，即可从本页面链接到该 Space。

收录此论文的收藏集 0

没有收藏集收录此论文

将此论文添加到收藏集 (https://huggingface.co/new-collection)，即可从本页面链接到该收藏集。