Amazon AGI 論文提出面向智能體強化學習環境的 AutoGym
Amazon AGI 的一篇論文提出 AutoGym，用於生成智能體的強化學習環境。AutoGym 從少量領域種子或過往模型軌跡出發，同時寫出任務、可執行環境和驗證器。
論文為 arXiv:2609.22592。另有 Chat with Paper 頁面。
相關AI快訊
CMU 論文訓練 4B 提案模型編輯智能體 harness，唔改求解器
呢篇 harness 學習論文用強化學習，令提案模型根據任務、當前 harness 同執行報告修改 harness 代碼。訓練後嘅 4B 提案模型喺 Reasoning Gym 單步修訂上超越其 35B 教師模型，而 HotpotQA 上嘅訓練可轉移到 MuSiQue 同 2WikiMultihopQA。
Viktor 推出 Slack Agent 評測助手，提供 100 美元額度試用
Viktor 在 Slack 內提供 AI 員工，專門分析 AI Agent 測試套件的評測日誌、將效能倒退追溯至具體改動並建議回滾，同時提供毋須信用卡即可獲取的 100 美元額度免費試用。
NVIDIA 論文提出 VERA 架構，協同演進 Agent Harness 與模型
NVIDIA 一篇研究論文介紹了 VERA 系統。該系統將基準軌跡轉化為 9,000 多個具備評分標準的可重啟沙盒，同時協同演進 Agent Harness 與模型權重。團隊開源了該環境語料庫，並表示 27B Agent 在 AutoCoWorkBench 取得 71.6 分，超越 Claude Opus 4.8。
Harness-Aware Distillation 將小型模型 Agent 在 ALFWorld 的成功率提升至 63.4%
一篇研究論文提出 Harness-Aware Distillation 訓練框架，透過對比教師模型的決策，訓練小型語言模型 Agent 利用 harness 資訊。最終訓練出的學生模型在未見過的 ALFWorld 任務上達到 63.4% 成功率，表現超越其 8B 教師模型。
VeriHarness 將基礎模型變成用於長週期智能體任務的驗證器
Google 論文 VeriHarness 使用同一個基礎模型，檢查有爭議與全體一致的智能體主張。透過有證據支持的修訂，它報告稱，相較單次 rollout，使用 Gemini 3.5 Flash 提升 6.2 分，使用 Claude Opus 4.8 提升 6.4 分。