标签
EnvHarness 是一个可编程的包装器框架，动态适配静态环境以增强LLM代理训练，通过提供更优的优化信号，在多个基准测试中超越现有方法，用于强化学习。
dots3-note Preview 是一款AI模型，面向自主代理与动态真实世界环境，具备512K上下文窗口
PACE-Bench 引入了一个基于模拟器的基准，用于评估在物理适应任务中，经过环境突变后需要迭代重新设计代码的自进化智能体，并揭示了相比参数推断，机制重新设计是一个主要瓶颈。
Seed IQ通过在《毁灭战士II》中操控，展示了在动态环境中的高级实时感知、推理和适应能力，可能超越像ARC AGI 3这样的静态基准测试。
EvoArena引入了一个基准测试，用于评估LLM智能体在动态环境中的表现，该环境在终端、软件和社交领域具有渐进式更新；同时EvoMem提出了一种基于补丁的记忆范式，记录结构化的演化；实验表明，当前智能体在EvoArena上仅达到39.6%的准确率，而EvoMem在该基准测试上平均提升1.5%，并在GAIA和LoCoMo上也有所改进。
SkillHarness 是一个框架，通过整合安全约束和自适应技能选择机制，使计算机使用代理能够在动态环境中安全地学习和执行技能，将不安全率降低了57.1%。