北京
不重写提示词，不换模型，也不动评测系统——只在智能体和环境之间加一层"外壳"，性能就能涨。谷歌研究人员开源的 EnvHarness，走的就是这条路。
按照研究者的说法，这套框架能根据智能体的弱点动态调整训练环境，而且不需要修改智能体本身、环境本身，也不需要改动评测系统。他们给出的结论是：这种做法既能提升学习效果，也能提升学习效率，还能帮智能体补上短板。
要理解它为什么有用，得先看一个被忽略的问题。
研究作者指出，自我进化的智能体通常靠两招变强：重写提示词、获取新技能。但它们很少去调整自己所处的环境。这带来一个直接后果——一个智能体如果一直对着固定的基准测试刷分，刷到某个阶段就学不到东西了。因为起始状态、规则和反馈，对每个学习者、每个阶段都是一样的。一旦智能体能解出这些任务，环境就没什么可教的了。
那为什么不干脆生成新环境？研究者的解释是：环境生成很贵。它需要针对特定领域的流水线，还常常依赖昂贵或不可靠的验证器。即便费了这些功夫，生成出来的环境依然是静态的。
EnvHarness 的思路不是造新环境，而是给旧环境套一层可编程的插件组件。它只改变智能体交互所经过的接口，通过动态引入变异来重塑环境行为，底层结构和评测系统原封不动。
具体怎么套？它沿用环境标准的 reset() 和 step() 接口，提供三类可组合的组件：
- setup：定制环境的初始状态
- rule：约束智能体动作引发的状态转移
- link：定制呈现给智能体的观测
配套的还有 EnvRigger。它负责自动判断该怎么为某个特定智能体调整环境：分析智能体行为、找出反复出现的弱点、生成有针对性的修改，再通过新的交互去验证这些修改是否有效。
这个循环反复跑下去，智能体和它的环境就能持续共同进化。研究者提到，这种共同进化能带来复利式的性能提升，而且提升幅度会随着定制任务数量的增加而有效扩展。
数据层面，谷歌的论文给出了跨基准的结果。加上 EnvHarness 这一层后，智能体在 WebArena、SWE-bench Verified 和 ALFWorld 上的表现都有改善，核心逻辑没有被改动。测试覆盖了多个模型，包括 Gemini 3.1 Flash-Lite、Qwen3.6 27B、Gemini 3.5 Flash 和 Claude Sonnet 4.6，性能提升幅度在 2.9 到 3.7 个百分点之间。
研究者的结论有三条：在静态环境做不到的地方，EnvHarness 能带来稳定增益；通过领域无关的接口，它能跨领域泛化；它还能通过修复浪费行为来提升效率。
外界关注的点，集中在"不动原有评测"这件事上。Marketechpost 创始人兼 CEO Asif Razzaq 在 LinkedIn 上评论说，EnvHarness 通过标准的 reset/step 接口包裹现有环境，所以原始任务和人工构建的验证器都留在原位；LLM 设计者则针对它在智能体自身 rollout 中发现的缺陷来编写包装器。
DevOps 工程师 Aniket Kumar 也强调了类似的价值：Stage（setup）、Contract（rule）和 Chain 提供了一套干净的抽象，同时保留了基准测试的验证器，避开了其他环境扩展方案常见的坑。
换个角度看，这套东西真正有意思的地方在于它把"改环境"和"改智能体"解耦了。以前想让智能体变强，要么动模型，要么动数据，要么动评测。EnvHarness 把改动收拢到一层接口上，评测器还是那个评测器，任务还是那些任务，变的只是智能体看到的世界。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
