EnvCraft：在 Agentic RL 中为 Claw 类 Agent 合成可执行环境

英文标题：EnvCraft: Synthesizing Executable Environments in Agentic RL for Claw-like Agent

大语言模型（LLM）的范式正迅速从被动交互接口转向能够在有状态工作区中执行长程任务的自主 Claw 类 Agent。虽然智能体强化学习（Agentic RL）为持续优化这类复杂长程任务提供了极具潜力的技术路径，但可执行且高保真的交互环境缺失成为核心瓶颈。为此，研究提出了 EnvCraft 框架，旨在自动化合成适用于 Agentic RL 训练的可执行环境。该方法为解决 Agent 强化学习中的环境匮乏与泛化难题提供了新范式，对推动下一代自主软件 Agent 的工业化落地具有重要意义。

打开原文相关 3.2 · 机会 3

中文

EnvCraft：在 Agentic RL 中为 Claw 类 Agent 合成可执行环境

论文编号：arXiv:2609.05576v1
发布类型：new

摘要

大语言模型（LLM）的应用范式正迅速从被动的自然语言交互界面，转变为能够在有状态（stateful）工作空间中执行长程复杂任务的自主 Claw 类 Agent。虽然智能体强化学习（Agentic RL）为优化这类 Agent 的策略与规划能力提供了一条极具前景的路径，但如何构建具备可执行性、多样性且支持深度交互的训练环境仍是关键挑战。

EnvCraft：在 Agentic RL 中为 Claw 类 Agent 合成可执行环境

中文

EnvCraft：在 Agentic RL 中为 Claw 类 Agent 合成可执行环境

摘要

BibTeX 引用格式

English / 原文

BibTeX formatted citation