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)→

原文链接 →

「编程与Agent」频道最新

• Eleanor Berger 免费课：使用 Agentic Factory 最常犯的五个错误 — intellectronica · 2026-09-25
• aeon 语言用类型与逻辑给 Agent 设护栏,拒跑不合理的计划 — dscape · 2026-09-25
• 独立开发者用 Cloudflare API 给 SaaS 客户自动子域名绑定 — gregmushen · 2026-09-25
• Only Then Labs 推出 ProofPress，让研究证据跨 Agent 交接 — tallmetommy · 2026-09-25
• 开发者开源 Jev 推理实验笔记本：模型路由与对抗性同行评审实验 — arthurcolle · 2026-09-25
• mitsuhiko吐槽Opus 5.5总爱用bash改文件，想写扩展强制阻止 — mitsuhiko · 2026-09-25

更多「编程与Agent」频道 AI 资讯 →