先手 SENTE · 周报阅读清单 · 精读 · arXiv 2608.19880
EnvHarness：给静态环境套一层「外壳」，让它按 Agent 的弱点出题
EnvHarness: Awakening Static Worlds for Agent Learning
Chengsong Huang，Zifeng Wang，Rujun Han，Jun Yan 等 12 位作者 · 2026-08-20
不重造环境，只给旧环境套外壳：按弱点改起点、改规则、串任务
打开交互式解读 →3 分钟版
问题 Agent 训练环境是静态的：对某个 Agent 的弱点视而不见，Agent 进步后也很快过时。自动生成环境的方法依赖领域专用管线，验证器昂贵或不可靠，生成的环境本身仍是静态的。
思路 EnvHarness 是包在现成环境外的一层插件，只通过标准的 reset / step 接口工作，不改内部代码：Stage 改初始状态（如先把杯子藏进抽屉），Contract 改动作、转移和观察（如加前置条件、过滤冗长输出），Chain 把两个环境连成一个更长的回合。EnvRigger 把策略当黑盒，按「观察—诊断—编写—验证」循环自动生成插件，只保留经新一轮试跑证明有效、且仍可解的环境。
结果 五个基准、四个领域中，用 EnvHarness 环境提取的技能都优于原环境：ALFWorld 分布外任务最多 +9.0 分，SWE-bench Verified 平均步数从 53.6 降到 49.6。强化学习中，ALFWorld 分布内成功率从 81.4 升到 87.9（作者自报）。
所以呢 验证器沿用原环境，就不必担心生成的验证器出错；环境可以随策略一起进化。代价是需要一个与策略同等的模型来诊断和写插件，Chain 也暂时无法纳入自动流程。
关键数字
- +9.0 ALFWorld 分布外任务提升（技能学习）（Table 2）
- 49.6 SWE-bench Verified 平均步数（§4.2）
- 87.9 ALFWorld 分布内成功率（强化学习）（Table 4）
- 54.30 SWE-bench Verified 成功率（两类技能合用）（Table 5）
局限与疑问
- 多数提升在 2–6 分，部分方差较大。
- 主实验是技能提取，强化学习只在两个环境上验证。
- Chain 未纳入自动流程。
- EnvRigger 的调用成本未系统报告。
- 结果为作者自报。
AI 解读 · 基于原文：本页由 AI 根据论文原文整理，所有数字均可在原文中找到出处；引用前请核对原文。