#Environment Scaling

3 篇

Recursive Environment Scaling for General Long-Horizon Agents

递归环境缩放：面向通用长程智能体的难度递增方法

🧭 Agent 环境难度缩放与课程训练

UESTC · HKUST · CUHK (SZ) · THU · WU

提出 RES 框架，固定任务目标、递归变换信息访问/资源关系/执行依赖，提升环境难度并增强 SFT

📌 工作参考价值（4 点）

借鉴 RES 的环境缩放机制做难度课程：在电商 Agent/对话推荐模拟器中，固定任务目标（如找商品、比价）不变，逐步限制信息可见字段、增加资源约束或依赖更多工具调用，生成难但语义一致的训练轨迹。
execution-grounded checks 相当于自动质检：对生成的难环境不仅检查语法，更用可执行环境验证是否仍可完成，避免产生不可解任务，这对生成 Agent 训练样例有直接参考。
递归继承持续累积难度：可把多轮变更叠加，形成难度递增轨迹，用于课程学习或困难样本挖掘，避免每次从头构造。
结论显示同轨迹数下 RES 轨迹 SFT 全面优于原始轨迹：在推荐/搜广推 Agent 数据稀缺时，可优先构造变化环境扩充训练集，比单纯堆原始成功轨迹更划算。

Agent | 2026-10-11 | HF Daily | score 6/10

Apodex 1.1：用环境扩展与多智体协调扩展复杂工作能力

🧭 多智体协作与长程任务执行 ★ 深度解读

以可验证交付为单位，通过环境扩展和可交互自组织 Agent Team 在小模型上逼近前沿长程任务能力

📌 工作参考价值（4 点）

把长程推荐/广告分析 Agent 的内部计划外化成 Task Board：子任务、依赖、状态、结果引用都放在模型上下文之外，作为可被工具读写的共享协调状态；在 context compaction 或超长会话中仍能恢复计划，避免依赖 message history。
借鉴 verification asymmetry：对生成的商品卖点、活动复盘结论、搜索推荐归因等，只构造核对具体 claim、数字、出处和格式约束的验证器，要求反例或独立来源，而不是让验证者重写整份报告；反馈带 claim 级定位，便于定向返工。
借鉴 /inputs、/workspace、/outputs 命名空间与 provenance graph：把原始数据、中间实验、最终交付严格分离，发布必须走 controlled delivery；避免把未验证的中间结果作为推荐策略、广告配置或活动方案上线。
为推荐/Query 改写/运营 Agent 做可执行 sandbox 和 verifier：用“正向构造便宜、逆向求解昂贵”的方式扩展文件、搜索、代码类可验证任务；先硬化 verifier 再扰动任务，防止奖励黑客，提升 agentic RL 训练信号质量。

MultiAgent | 2026-08-23 | HF Daily | score 8/10

可扩展环境驱动可泛化智能体

🧭 环境扩展与跨环境泛化 ★ 深度解读

HKUST(GZ) · DeepWisdom · PKU · NUS · SUTD

区分轨迹、任务、环境三类扩展，提出程序化生成与生成式世界模型两种环境扩展范式，量化跨环境适应

📌 工作参考价值（4 点）

明确区分轨迹、任务、环境三类扩展，在构建评测或训练管线时可据此定位瓶颈：若只需提升固定规则下的能力，用任务扩展；若要训练跨规则适应，必须做环境扩展。
程序化环境生成器（如 EnvScaler、AutoEnv）通过参数化规则集，提供可复现、可验证的环境，适合为电商搜索、推荐对话等场景构建可控的 Agent 压力测试套件。
生成式世界模型（如 Genie 3）可与程序化规则支架结合，在保持交互规则可控的同时注入语义多样性，丰富训练分布。
部署时，即使环境固定，也可利用局部环境扰动（ploc）生成邻域变体（修改布局、实体、观察等），使 Agent 训练更鲁棒，减少上线后的 brittle failure。

Agent | 2026-05-18 | cs.CL | score 8/10