Envs-FORGE：面向 Agent RL 的前沿优化、奖励驱动环境合成

英文标题：Envs-FORGE: Frontier-Optimized Reward-Grounded Environment Synthesis for Agent RL

Envs-FORGE 聚焦于为终端 Agent 的强化学习（RL）合成可执行训练环境。论文指出，这类环境需要具备可靠的奖励机制以及有实际价值的难度设计。摘要批评了 few-shot、Self-Instruct 和 Evol-Instruct 等固定配方：它们对每个种子任务采用相同的提示策略，难以针对不同任务进行适配。对开发者而言，该研究关注如何更系统地构建可用于 Agent RL 训练与评测的环境。

2.1 KB 640 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB