谷歌发布EnvHarness：让训练环境随智能体共同进化

谷歌研究团队发布EnvHarness（环境脚手架）框架及配套自动化工具EnvRigger，核心思路是让训练环境与智能体协同进化：与其让Agent单向探索静态环境，不如给环境装上可动态修改的脚手架。

已确认

• EnvHarness通过可编程插件层包装静态环境，以非侵入式方式拦截和适配，在不修改底层逻辑的前提下重塑环境行为，解决环境手工构建、易过时的问题。
• EnvRigger将Agent策略视为黑盒，分析执行轨迹以识别Agent弱点，并进行定向调整，例如强制运行测试、阻断捷径，从而解锁更丰富的训练信号，改进强化学习的共同进化过程。
• 据@青稞AI和@rohanpaulai的转述，该方法在SWE-bench上带来约7分的提升。

为什么重要

• 传统训练方法只优化Agent而环境保持不变（"环境冻结"），导致训练遇到天花板。EnvHarness把环境从固定背景变为可进化的训练资源，为LLM Agent的强化学习提供了新范式，也为其他静态基准的动态化提供了可借鉴的工程方案。

2026-08-21 ~ 2026-08-22 · 5 条相关

• 【源头】谷歌 EnvHarness 动态重塑环境以强化智能体 — google · 2026-08-21
• Google 新研究让 Agent 训练环境自动进化 — omarsar0 · 2026-08-21
• 【源头】让环境陪 Agent 一起进化:EnvHarness 在 SWE-bench 提升 7 分 — 青稞AI · 2026-08-22
• 新框架 EnvHarness 动态改造环境，提升 Agent 训练效率 — shangbinfeng · 2026-08-22
• EnvHarness 让环境随智能体进化，SWE-bench 提升显著 — rohanpaul_ai · 2026-08-22