Amazon AGI 论文提出面向智能体强化学习环境的 AutoGym
Amazon AGI 的一篇论文提出 AutoGym，用于生成智能体的强化学习环境。AutoGym 从少量领域种子或过往模型轨迹出发，同时写出任务、可执行环境和验证器。
论文为 arXiv:2609.22592。另有 Chat with Paper 页面。
相关AI快讯
CMU 论文训练 4B 提议模型编辑智能体 harness，不改动求解器
这篇 harness 学习论文用强化学习让提议模型根据任务、当前 harness 和执行报告修改 harness 代码。训练后的 4B 提议模型在 Reasoning Gym 的单步修订上超过其 35B 教师模型，且 HotpotQA 上的训练可迁移到 MuSiQue 和 2WikiMultihopQA。
Viktor 推出 Slack 智能体评测助手，提供 100 美元额度试用
Viktor 在 Slack 中提供 AI 员工，用于分析 AI 智能体测试套件的评测日志、定位导致性能回退的具体修改并建议回滚，同时提供无需绑定信用卡的 100 美元额度免费试用。
NVIDIA 论文提出 VERA 框架，协同演进智能体 Harness 与模型
NVIDIA 的一篇研究论文介绍了 VERA 系统。该系统将基准轨迹转化为 9,000 多个具备评分准则的可重启沙箱，并在演进模型权重的同时协同演进智能体 Harness。团队开源了该环境语料库，并报告称 27B 智能体在 AutoCoWorkBench 上取得 71.6 分，超越了 Claude Opus 4.8。
Harness-Aware Distillation 将小型语言模型智能体在 ALFWorld 上的成功率提升至 63.4%
一篇研究论文提出了 Harness-Aware Distillation 训练框架，通过对比教师模型的决策，训练小型语言模型智能体利用 harness 信息。训练后的学生模型在未见过的 ALFWorld 任务上达到了 63.4% 的成功率，超过了其 8B 教师模型。
VeriHarness 将基础模型变为长周期智能体任务的验证器
Google 论文 VeriHarness 使用同一基础模型来检查有争议和全体一致的智能体主张。借助有证据支持的修订，它报告称，相比单次 rollout，使用 Gemini 3.5 Flash 提升 6.2 分，使用 Claude Opus 4.8 提升 6.4 分。