Berkeley EnvOpt 论文：优化智能体环境可降本 72.7% 并提升 14.34% 通过率
dair_ai · x · 2026-11-06
UC Berkeley、芝加哥大学与 Bespoke Labs 的论文提出 EnvOpt，把参数调优和 harness 优化之外的第三条路——智能体「驻留环境」优化——自动化。
方法：许多 agent 在共享工作区（公司 Slack、文档、工单集）中运行，EnvOpt 用一个编码 agent 在无评分器、无参考答案的训练任务上迭代修改环境的组织与呈现方式，并用验证集决定何时停止。
关键数据：
- AutomationBench 上 Claude Haiku 4.5 成本降低 72.7%，通过率提升 14.34%
- 同一优化环境迁移到 Opus 5，成本降 68.1%、通过率提升 1.34%
- 叠加 Meta-Harness 优化过的 harness，成本再降 83.4%、准确率再加 11.17%
结论：同样的信息以不同形式呈现给 agent（MCP vs 纯文本 vs grep 工具）会显著影响成本与成功率，环境值得像参数和 harness 一样被系统性优化。论文还总结了自动化优化过程中常见成功与被淘汰的环境改写策略。
「编程与Agent」频道最新
- Harness 适配器：为每个 Agent 框架单独训 LoRA,实测 1350 次会话仅花 5 美元 — LysandreJik · 2026-11-06
- 用 Agent 多模型协作做 F1 冠军专题站,网友跟风复刻 — evilrabbit_ · 2026-11-06
- 本地 MCP 让 Claude 读 WhatsApp/Telegram 并按你的语气拟回复 — SuccessfulCress7441 · 2026-11-06
- 10 个给编码 Agent 加成的开源仓库，最高已 31.3 万星 — victor_explore · 2026-11-06
- 团队花 6 周按官方规则跑 Mem0 自家基准，得分 451 反超原版却被卡提交 — gauzzastrip · 2026-11-06
- Logi 九键实体板改造成编程 Agent 物理确认键：NO/CONTINUE/YES — flngr · 2026-11-06