谷歌提EnvHarness 訓練環境可隨Agent一同進化

Agent依賴交互環境

大語言模型正從單純的文本生成器，轉型為能瀏覽網頁、修改代碼和操作辦公軟件的智能體。與從靜態語料學習不同，Agent的能力提升越來越依賴可交互環境。

這類環境需要提供任務、維護狀態、響應動作，並由驗證器判斷任務是否完成。環境質量的高低，直接決定強化學習訓練信號的有效程度。