arXiv cs.CL· Zhengfeng Yu, Tian Lan, Zhijing Wu, Enbo Zhao, Xuannan Liu, Feihu Jiang, Qianghuai Jia, Longyue Wang, Zhao Xu, Weihua Luo, Xian-Ling Mao·· 23 小时前AI 评分38
CrossEnv:为长程智能体训练合成可验证的跨环境任务
CrossEnv: Synthesizing Verifiable Cross-Environment Tasks for Long-Horizon Agent Training
AI 导读
CrossEnv 框架利用实体-工具图识别环境间的连接并对齐任务数据,合成可执行、可验证的跨环境任务,解决现有方法只在单一环境内生成任务、难以刻画跨服务依赖的问题。
正文 · AI 翻译
作者:Zhengfeng Yu、Tian Lan、Zhijing Wu、Enbo Zhao、Xuannan Liu、Feihu Jiang、Qianghuai Jia、Longyue Wang、Zhao Xu、Weihua Luo、Xian-Ling Mao
摘要:可执行的合成环境为长时程智能体提供了可扩展的训练任务和可验证的反馈。现有的环境合成方法主要在单个环境内生成任务。然而,这些任务无法充分捕捉跨服务的真实世界交互,即一个服务中的动作依赖于从另一个服务获取的信息。合成此类任务具有挑战性,因为跨环境生成的数据必须保持一致,以支持可执行且可验证的交互。为应对这一挑战,我们提出了 CrossEnv,一个利用实体-工具图来识别环境之间联系、并对齐任务特定数据以合成可执行且可验证的跨环境任务的框架。我们进一步提出了 CrossEnv-Curriculum,它从单环境工具使用逐步推进到跨更多环境和业务领域的协调,然后再引入用户交互。在四个外部基准上,将跨环境训练数据与该课程相结合,以更少的训练样本取得了有竞争力的性能。进一步的分析支持了跨环境数据和课程训练的优势,并提供了向新环境组合、与训练数据相似度较低的外部任务以及更长工作流迁移的证据。
| 评论: | 23 页 |
| 主题: | 人工智能(cs.AI);计算与语言(cs.CL) |
| 引用为: | arXiv:2611.22777 [cs.AI] |
| (或 arXiv:2611.22777v1 [cs.AI] 用于此版本) | |
| https://doi.org/10.48550/arXiv.2611.22777 由 DataCite 颁发的 arXiv DOI(待注册) |
提交历史
来自:Yu Zhengfeng [查看邮箱]
[v1]
2026年11月17日星期二 13:44:28 UTC(762 KB)
来源:arXiv cs.CL · arxiv.org