论文页面 - EvoPolicyGym: 在交互环境中评估自主策略进化

来源：https://huggingface.co/papers/2607.02440
发布于7月2日

今日第3篇论文 (https://huggingface.co/papers/date/2026-07-03)

作者：
,
,
,
,
,
,
,
,
,
,
,
,
,
,

摘要

自主代理通过在固定预算内进行迭代编辑来评估策略改进，揭示出成功的策略进化既需要任务特定的机制，也需要受反馈约束的优化。

自主代理 (https://huggingface.co/papers?q=Autonomous%20agents) 越来越多地被期望通过反馈来改进可执行策略 (https://huggingface.co/papers?q=executable%20policies)，然而现有的评估往往将这一过程简化为一个最终分数，或将其与开放式软件工程进展混为一谈。我们引入了自主策略进化 (https://huggingface.co/papers?q=Policy%20Evolution)，这是一个受控评估环境，在该环境中，一个构架模型代理在固定的交互预算下反复编辑一个可执行策略系统。我们将该环境实例化为 EvoPolicyGym，这是一个基于紧凑型交互式 RL 环境构建的基准，用于评估代理如何迭代改进探索到的策略。在 EvoPolicyGym 套件中，GPT-5.5 在所有 16 个环境中获得了最强的综合排名得分和前三的性能。除了排行榜结果之外，EvoPolicyGym 还提供了轨迹级诊断 (https://huggingface.co/papers?q=trajectory-level%20diagnostics)，用于区分代理如何分配预算以及如何将反馈转化为参数调优 (https://huggingface.co/papers?q=parametric%20tuning)。这些分析表明，强大的自主策略进化 (https://huggingface.co/papers?q=policy%20evolution) 不仅依赖于孤立的任务胜利，还依赖于发现任务适配机制 (https://huggingface.co/papers?q=task-appropriate%20mechanisms) 并在有界反馈下优化策略。

查看 arXiv 页面 (https://arxiv.org/abs/2607.02440)
查看 PDF (https://arxiv.org/pdf/2607.02440)
添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2607.02440)

在你的代理中获取这篇论文：

hf papers read 2607.02440

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

引用此论文的模型

0

没有模型链接此论文

在模型 README.md 中引用 arxiv.org/abs/2607.02440 以从此页面链接。

引用此论文的数据集

0

没有数据集链接此论文

在数据集 README.md 中引用 arxiv.org/abs/2607.02440 以从此页面链接。

引用此论文的 Space

0

没有 Space 链接此论文

在 Space README.md 中引用 arxiv.org/abs/2607.02440 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。