Echoverse：为计算机使用代理打造的深度、不断进化的环境

Echoverse是微软研究院推出的一套用于训练计算机使用代理的深度、不断进化的合成环境系统。与传统的依赖于大量训练任务的方法不同，Echoverse强调环境的质量和深度，通过构建行为逼真的合成世界来提升代理的能力。这些世界不仅复制了真实应用的行为逻辑，还保持了状态的一致性，使得代理能够从真实的因果反馈中学习。

研究团队构建了12个训练世界，其中10个为深度领域世界，涵盖电子邮件、日历、银行、医疗记录、论坛、音乐、旅行等多个领域；另外2个为能力世界，专注于训练代理在特定UI元素（如日期选择器、嵌套过滤器）上的操作。这些世界均基于真实数据或严格生成的种子数据，并配备了基于数据库的客观验证器，确保评估的准确性。

实验结果显示，一个9B参数的模型在经过这些世界的训练后，其性能从36.5%提升至67.1%，仅比GPT-5.4低14个百分点。研究还发现，高模拟保真度至关重要：在浅层世界上训练的模型出现了性能退化，而在深层世界上训练的模型则持续进步。此外，针对代理经常失败的具体UI元素进行针对性训练，能够显著提升代理在未见领域的泛化能力。

Echoverse的核心创新在于其“共同进化”的循环：每次对代理的评估同时也会改进环境本身。当代理在某项任务上失败时，系统会分析失败原因，并相应修复环境、任务或验证器。这样，代理和环境在每次迭代中都能共同进步。这种闭环反馈机制使得训练效果不断叠加，而不会像传统静态基准测试那样饱和。研究团队认为，真正的杠杆作用不在于增加更多世界，而在于持续改进现有的世界。

世界构建流程包括两个阶段：首先，基于种子场景生成应用规范，并将其编译为可自动检查的声明，然后生成FastAPI和SQLite后端及React前端，并通过持续修复直到所有声明通过。第二阶段是扩展语料库：将每个任务重新绑定到实时数据库，通过分析器面板检查实体的真实性和目标的合理性，并使用浏览器测试确保任务可完成。每个失败都会被标记并分配到相应层进行修复，直到通过率停止提升。这样，环境和任务共同进化，不断强化。

验证器基于数据库提供了客观的答案键。对于读取操作，通过与存储值的语义等价进行评分；对于写入操作，通过数据库差异来判断状态变化；对于读写操作，则取两者中的较低分。这种评分机制难以被操纵，并且统一适用于所有领域。

完整的领域世界涵盖了通信协作（EchoMail、EchoCalendar、EchoChat）、技术创建（EchoML、EchoForge）、监管记录（EchoBank、EchoCare）、社区媒体（EchoForum、EchoTunes）和旅行（EchoStay）等类别。每个世界都忠实再现了真实产品的工作流程，包括权限、共享状态和审计历史等复杂结构。例如，EchoStay基于InsideAirbnb的真实数据，拥有超过87条路由和23个数据库表，模拟了从搜索到支付的全流程。这种深度使得代理能够学习到真实世界中的因果关系。

能力世界则专注于代理经常失败的具体交互，如日期选择器和嵌套过滤器。通过在这些控制元素上进行多种形式的练习，代理学会了在未见过的领域中操作它们。这种针对性训练极大地提高了泛化能力。

共同进化的循环是Echoverse的核心：每次评估不仅产生训练数据，还会暴露世界、任务或验证器中的缺陷，这些缺陷会被自动修复，从而使得下一轮训练的信号更加锐利。这种闭环使得训练效果累积，而不会陷入饱和。

总之，Echoverse通过强调深度、针对性和共同进化，为计算机使用代理的训练提供了新的方向。它证明了高质量合成环境的价值，并展示了如何通过持续改进来推动模型能力的提升。该研究还开源了部分世界，以促进社区进一步探索。