SEAL：智能体与学习环境协同共进化

SEAL 让学习环境随智能体失败特征共同演化。

资讯摘要

论文提出 SEAL 框架，用于智能体与学习环境的协同共进化。作者指出，训练中策略随经验变化，而学习环境提供的支持基本固定，导致“智能体-学习环境错配”（ALEM）。SEAL 将验证器判定的执行失败转化为共享诊断信号，据此调整后续交互中的支持方式，并调整策略从轨迹中学习的方式。在 BFCL V3 上，Qwen2.5-7B 使用 SEAL 达到 40.25%，匹配的 Vanilla RL 为 30.75%。

要点速读

1. 论文提出 ALEM 现象：策略随训练变化，而学习环境支持形式基本固定，二者逐渐错配。
2. SEAL 把验证器判定的执行失败作为共享诊断信号，同时调整环境支持与策略学习方式。
3. 在 BFCL V3 三个骨干模型上，SEAL 均优于匹配的 Vanilla RL；Qwen2.5-7B 为 40.25% 对 30.75%，因子消融给出耦合配置 +5.00 点交互估计。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/5 08:00:38（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。