Browser Use 开源 rl-env-use:一句话生成任意领域的 RL 训练环境

inductionheads · x · 2026-10-21

Browser Use 发布并开源 rl-env-use：用一句话描述一项技能，即可得到一个基于真实案例挖掘、经过验证、前沿模型尚未刷饱和的 RL 环境，附带给待训练模型 hillclimb 好的 prompt。

• 方法基于 Anthropic 的「自动化 eval 设计与 hillclimbing」工作流，改进点是任务由 Browser Use agent 从网上挖掘真实案例。
• 配图展示用 Claude Code 一键构建「预测临床试验是否达到主要终点」环境的运行过程：多轮任务筛选、多模型 panel 打分（opus55 0.73、gpt-astra 0.78、gemini 0.60）、预算控制等 6 阶段流水线。
• 官方对比数据：在 8 项临床试验结果任务上，Claude Code 验证 0/86 条事实，Browser Use 验证 17 条并完成 4 个完整案例；在人类基因变体任务（UniProt、gnomAD、GTEx）上为 6/82 对 40 条验证，Browser Use 明显更强。

原文链接 →

「编程与Agent」频道最新

• Agents' Last Exam 基准全量跑在 HF 基础设施上,小米 MiMo 登顶超 Kimi K3 — yb2698 · 2026-10-21
• AI 独立开发实战指南:7 步上线首个 App 并获得用户 — PrajwalTomar_ · 2026-10-21
• Grok Build v1.0.66：文件补全提速约 8 倍，@ 建议响应仅 5ms — XFreeze · 2026-10-21
• 代理网关路由大小模型，3500 条日志实测省 54% Agent 成本 — d13-m1z · 2026-10-21
• Yelp AI 助手打电话问等位，接电话的可能是另一家 AI — fortiplus84 · 2026-10-21
• RAG 应用评估实战：从 vibe check 到 61 条用例的 5 步法 — Al_Grigor · 2026-10-21

更多「编程与Agent」频道 AI 资讯 →