ECHO 论文入选 NeurIPS Spotlight:终端 Agent 免费学世界模型
DimitrisPapail · x · 2026-09-25
ECHO:让终端 Agent 从环境反馈中学习
论文《ECHO: Terminal Agents Learn World Models for Free》入选 NeurIPS 2026 Spotlight(作者来自微软系团队,含 Vaishnavi Shrivastava、Dimitris Papailiopoulos 等)。
- 核心观察:CLI agent 是语言模型最接近具身的场景——模型发出命令,终端返回 stdout、报错、日志等结果流。标准 GRPO 式训练丢弃了这些环境响应,只用稀疏的结果级奖励更新动作 token,失败 rollout 几乎没有梯度信号。
- 方法:在 GRPO 的策略梯度损失之外加一个辅助损失,让策略预测自己动作产生的环境观察 token。复用同一次前向传播,不需要额外 rollout,把终端反馈变成稠密监督。
- 效果:TerminalBench-2.0 上 pass@1 翻倍——Qwen3-8B 从 2.70% 提到 5.17%,Qwen3-14B 从 5.17% 提到 10.79%。ECHO 训练出的策略对终端动态的预测显著更好,且从 base Qwen3-8B 出发无需专家演示即可逼近「专家 SFT+GRPO」的性能。
- 论文与代码均已开源。
所属事件:ECHO 论文入选 NeurIPS Spotlight，终端 Agent 免费学世界模型(2 条相关)→
「编程与Agent」频道最新
- Granola 推出 Agent Brief:大厂做 MCP 却不提供 MCP 惹锁定质疑 — soleio · 2026-11-12
- 「DevOps 已死」论：Agentic DevOps 流水线该怎么分工 — Pavan_Belagatti · 2026-11-12
- dots 更新支持 agent 同时控制 Windows 与 Mac 双机 — dkundel · 2026-11-12
- Ubuntu 域名服务器宕机,Pydantic 新项目 Monty 被迫提前发布 — samuelcolvin · 2026-11-12
- Granola 推出 Agent Briefs:每晚为 AI agent 打包你的最新上下文 — soleio · 2026-11-12
- 新基准 Continual-ARC:主流 Agent 均无法从经验中学习 — alifcoder · 2026-11-12