arXiv cs.CL· Zhuosong Jiang, Chengxu Wu, Junqi Liu, Yujie Yi, Siqin Wang, Zhixuan Huang, Jinqian Jiang, Lijun Xiao, Jianxun Li, Yongyang Pan, Jieran Wang, Shiqi Shen, Fei Liu, Xinyu Lin·· 10 小时前AI 评分45
LegoEnv：通过模块化重组实现自进化智能体环境
LegoEnv: Self-Evolving Agentic Environments via Modular Recombination
AI 导读
LegoEnv 提出"环境原子"新范式，用可复用的 intent、rule、data、server 原子组合环境，并在环境反馈不可靠时进化原子，已构建覆盖 223 个应用的 5,465 个经验证环境。
正文 · AI 翻译
作者：Zhuosong Jiang、Chengxu Wu、Junqi Liu、Yujie Yi、Siqin Wang、Zhixuan Huang、Jinqian Jiang、Lijun Xiao、Jianxun Li、Yongyang Pan、Jieran Wang、Shiqi Shen、Fei Liu、Xinyu Lin
摘要：LLM 智能体通过与环境交互来学习，但现有环境是为特定任务设计的，无法泛化到新任务。近期的方法利用 LLM 自动化环境构建。然而，它们从零开始生成每个环境，既不重用跨环境共享的部分，也不将某个环境中的修复推广到其余环境。为解决这一问题，我们提出了一种演化环境原子的新范式：它由可复用的原子（意图、规则、数据和服务端）组合成环境，并在环境无法给出可靠反馈时（例如，某个应用缺少任务所需的工具）演化这些原子。为实例化这一范式，我们引入了 LegoEnv，它在 223 个应用上构建了 5,465 个经过验证的环境，一轮演化便将可解环境的占比从 71.6% 提升到 88.3%。在 AutomationBench 上，基于这些环境进行 SFT 将 Qwen3.6-27B 从 16.0% 提升到 32.0%，而使用其验证器进行 RL 将 Qwen3.8-27B 从 37.6% 提升到 40.3%。进一步的分析表明，性能随语料规模稳步提升，可迁移到未见过的应用，且失败集中在少数几个共同的根因上。
| 主题： | 计算与语言（cs.CL）；人工智能（cs.AI） |
| 引用为： | arXiv:2611.01834 [cs.CL] |
| （或 arXiv:2611.01834v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.01834 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Zhuosong Jiang [查看邮箱]
[v1]
2026年11月1日星期日 12:07:14 UTC（503 KB）
来源：arXiv cs.CL · arxiv.org