EnvLunch 用环境免标注造训练数据,agent 性能提升超 9%
KingsCollegeLondon · hf · 2026-10-28
King's College London、重庆大学与 Alan Turing Institute 团队提出 EnvLunch:可执行环境(如数据库)本身自带交互结构与可验证结果，相当于一份无需人工标注的“免费午餐”。方法是在下游 agentic 强化学习前加入热身阶段——让模型采样有效动作轨迹、执行获得最终观察，再训练其仅凭最终观察恢复功能等价的轨迹。效果：在所有下游流训练预算下平均超越基线 9% 以上；用全标注才能达到的精度，基线需 8-32 倍标注样本；让环境自定义任务还能带来比同环境微调更大的提升，并在数据分析之外的基准上也有效。
「编程与Agent」频道最新
- 开源多平台 AI 幻灯片编辑器 DeckWerk 发布新版,Agent 可直接改稿 — vincesitzmann · 2026-10-28
- 开发者用 AI 审计自己 C 代码后：不再信任未经 AI 审查的代码 — burny_tech · 2026-10-28
- Snowflake 押注 Agentic RL：先过拟合再扩展，Qwen3.5-9B 提至 65.7 — StasBekman · 2026-10-28
- 微软 Anthropic OpenAI 齐转向 Hook 级 Agent 安全,实时拦截工具调用 — jacob_posel · 2026-10-28
- 开发者把 Claude SSE 流改造成 Agent 调试「法证时间线」 — Additional-Ladder-24 · 2026-10-28
- Supabase 推出 Compute 私测:Agent 与长任务可与 Postgres 数据同项目运行 — dshukertjr · 2026-10-28