Google EnvHarness: статичные среды для агентов наконец «просыпаются» и эволюционируют в...
Google EnvHarness: статичные среды для агентов наконец «просыпаются» и эволюционируют вместе с ними Google Cloud AI Research вместе с Университетом Вашингтона в Сент-Луисе представила EnvHarness — программируемый слой, который превращает застывшие окружения для LLM-агентов в адаптивные. Теперь среда может подстраиваться под слабости агента, а не ждать, пока тот «перерастёт» её. Агенты учатся через взаимодействие, но большинство бенчмарков (ALFWorld, WebArena, SWE-bench) — статичны: одни и те же состояния, правила и обратная связь. EnvHarness оборачивает такое окружение через стандартный интерфейс reset()/step() тремя плагинами: Setup (меняет стартовое состояние), Rule (перестраивает взаимодействие и наблюдения) и Link (комбинирует задачи). Исходный верификатор и логика остаются нетронутыми. Автоматический EnvRigger анализирует траектории агента как чёрный ящик, диагностирует ошибки и генерирует подходящие компоненты. На пяти бенчмарках в четырёх доменах — до +9 пунктов на удержанных задачах и на 9,8 % меньше шагов. Среда и политика начинают совместную эволюцию, давая более сильный сигнал для reinforcement learning. Это не просто удобный wrapper... Это сдвиг не на стороне модели, а в её мире... Мире, где она действует... Для длинных горизонтов такое «пробуждение» статики может оказаться ключевым... Источники: https://arxiv.org/abs/2608.19880 https://www.envharness.com/ https://github.com/google-research/envharness #AI #Google #EnvHarness #AgenticAI #ReinforcementLearning #LLMAgents