谷歌发布 EnvHarness：让环境随 Agent 共同进化
谷歌研究团队发布论文《EnvHarness: Awakening Static Worlds for Agent Learning》并开源配套项目，提出 EnvHarness（环境脚手架）框架与自动化工具 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 通过可编程插件层以非侵入方式包装静态环境，拦截和适配交互而不修改底层逻辑，解决环境手工构建、易过时的问题；机器之心将其类比为给 LLM 添加 harness 的环境中间件。据 @青稞AI 的转述，框架包含「开局（Stage）」等三类组件。
- 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（@rohanpaulai 称之为「环境冻结」问题），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 ~ 2026-08-23 · 6 条相关
一手来源
- 谷歌 EnvHarness 动态重塑环境以强化智能体 — google ·
- Google 提出环境中间件 EnvHarness，提升 Agent 训练信号质量 — 机器之心 ·
- 让环境陪 Agent 一起进化:EnvHarness 在 SWE-bench 提升 7 分 — 青稞AI ·
- 【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
- 【源头】Google 提出环境中间件 EnvHarness，提升 Agent 训练信号质量 — 机器之心 · 2026-08-23