标签
Cowork-Gym 通过“构建—执行—修订”循环与有状态用户模拟器，大规模合成协作式智能体环境（6.49 万个，涵盖 14 个应用场景），并用于对 9B/27B/35B-A3B Qwen 模型进行后训练，在六个智能体基准测试上的得分分别提升 8.7、6.4、4.1 分，其中 27B 版本在 PawBench 和 ClawEval 上取得最高平均分。
WorkRover 是一个通过递归环境演化训练长时程协作智能体的框架，引入了因子兼容性回放（Factorial Compatibility Replay）和验证器到轮次的信用分配（Verifier-to-Turn Credit Assignment）以改进训练信号。对 Qwen3.5-35B-A3B 进行后训练得到 WorkRover-35B-A3B，在 JobBench、OfficeQAPro 和 GDPvalv2 基准测试上均取得了显著提升。
提出了一种「Truth Engine」架构：环境合成器负责生成全新的闭环微观世界，前沿求解器在没有任何人类示范的情况下对这些世界进行探索，确定性验证器则过滤出已被证明可靠的产物，并将其蒸馏到基础模型中——由此形成一个自我不断强化的飞轮，旨在将 AI 推向人类知识边界的彼岸。
Skill2Env 是一个能力导向的框架，通过技能合成可执行环境来训练通用 AI 智能体，利用任务蓝图和迭代强化来提升智能体在各项基准测试中的表现。
EnvCraft是一个自动化框架，用于合成可执行环境，以解决Agentic RL训练中的稀缺性问题，并在使用Qwen模型的claw-like和通用工具使用基准测试中展示了显著的性能提升。
AgentMercury 引入了一个可扩展框架，用于从业务场景中合成可验证环境，使强化学习代理能够提升在企业工作流和域外基准测试中的性能。
一篇新的研究论文介绍了 AgentMercury，这是一个可扩展的框架，用于从商业场景合成可执行环境，从而提升代理在各种基准测试中的训练性能。
Envs-FORGE是一种提示策略，用于为强化学习智能体合成训练环境，将验证器奖励转换为每个种子操作，以提高在SWE-bench和Terminal-Bench等基准测试上的性能。
EnvFactory 自动化创建可执行工具环境和自然的多轮轨迹，用于训练具有智能体强化学习能力的大语言模型，在使用比先前工作更少的环境下，在 BFCLv3 和 MCP-Atlas 等基准测试上取得了优异性能。
本文提出EvoEnv，一种让语言模型通过强化学习构建可验证的Python环境以实现自我改进的方法，在Qwen3-4B-Thinking上取得了3.3%的相对提升。
EnvScaler是一个自动化框架，通过程序综合为LLM智能体扩展工具交互环境，创建了191个多样化环境和7K个场景，以提升智能体在多轮、多工具交互任务上的性能。
# 论文页面 - Agent-World: Scaling Real-World Environment Synthesis for Evolving General Agent Intelligence 来源：[https://huggingface.co/papers/2604.18292](https://huggingface.co/papers/2604.18292) 发布于 4 月 20 日 · 提交者[https://huggingface.co/dongguanting](https://huggingface.co/dongguanting) [](https://huggingface.co/dongguanting) [KABI](https://huggingface.co/donggua