Google 推出 EnvHarness：让智能体训练环境可适配薄弱环节

Google Cloud AI Research 与高校研究者发布 EnvHarness。按报道所述，它是套在既有智能体基准环境外的可编程“包装层”：开发者可加入变化、调整难度或构造针对性场景，而不必修改基准本身的代码及其验证器。配套工具 EnvRigger 用于诊断策略短板并生成相应插件。

原文要点

• EnvHarness 的设计重点是保留原有验证器，使经改造的训练场景仍沿用既有成功判定机制。
• 报道称，研究在五个基准、四类领域中测试；ALFWorld 成绩从 62.4% 升至 68.3%。
• 在分布外任务中，报道给出的成绩提升为 9.0 个百分点至 70.4%；SWE-bench Verified 得分为 54.79，高于静态环境的 52.13。
• 代码已以 google-research/envharness 形式开源。上述成绩应视为特定实验与基准条件下的结果，而非通用部署保证。

为什么重要

智能体训练常面临“为了增加难度而破坏评测可比性”的矛盾。若环境可以在不改动验证逻辑的前提下适配训练弱点，团队或能在复用既有基准资产的同时，更有针对性地测试泛化能力。不过，环境改造的有效性仍需要在独立任务和真实工作流中持续验证。

关键要点

• EnvHarness 关注的是训练环境的可编程适配，而非发布一个新的通用智能体。
• 保留原验证器是其可比性主张的核心。
• 文中报告的提升来自有限基准，不能直接等同于生产环境可靠性。