Echoverse：為計算機使用代理打造的深度、不斷進化的環境

Echoverse是微軟研究院推出的一套用於訓練計算機使用代理的深度、不斷進化的合成環境系統。與傳統的依賴於大量訓練任務的方法不同，Echoverse強調環境的質量和深度，通過構建行為逼真的合成世界來提升代理的能力。這些世界不僅複製了真實應用的行為邏輯，還保持了狀態的一致性，使得代理能夠從真實的因果反饋中學習。

研究團隊構建了12個訓練世界，其中10個為深度領域世界，涵蓋電子郵件、日曆、銀行、醫療記錄、論壇、音樂、旅行等多個領域；另外2個為能力世界，專注於訓練代理在特定UI元素（如日期選擇器、嵌套過濾器）上的操作。這些世界均基於真實數據或嚴格生成的種子數據，並配備了基於數據庫的客觀驗證器，確保評估的準確性。

實驗結果顯示，一個9B參數的模型在經過這些世界的訓練後，其性能從36.5%提升至67.1%，僅比GPT-5.4低14個百分點。研究還發現，高模擬保真度至關重要：在淺層世界上訓練的模型出現了性能退化，而在深層世界上訓練的模型則持續進步。此外，針對代理經常失敗的具體UI元素進行針對性訓練，能夠顯著提升代理在未見領域的泛化能力。

Echoverse的核心創新在於其“共同進化”的循環：每次對代理的評估同時也會改進環境本身。當代理在某項任務上失敗時，系統會分析失敗原因，並相應修復環境、任務或驗證器。這樣，代理和環境在每次迭代中都能共同進步。這種閉環反饋機制使得訓練效果不斷疊加，而不會像傳統靜態基準測試那樣飽和。研究團隊認為，真正的槓桿作用不在於增加更多世界，而在於持續改進現有的世界。

世界構建流程包括兩個階段：首先，基於種子場景生成應用規範，並將其編譯為可自動檢查的聲明，然後生成FastAPI和SQLite後端及React前端，並通過持續修復直到所有聲明通過。第二階段是擴展語料庫：將每個任務重新綁定到實時數據庫，通過分析器面板檢查實體的真實性和目標的合理性，並使用瀏覽器測試確保任務可完成。每個失敗都會被標記並分配到相應層進行修復，直到通過率停止提升。這樣，環境和任務共同進化，不斷強化。

驗證器基於數據庫提供了客觀的答案鍵。對於讀取操作，通過與存儲值的語義等價進行評分；對於寫入操作，通過數據庫差異來判斷狀態變化；對於讀寫操作，則取兩者中的較低分。這種評分機制難以被操縱，並且統一適用於所有領域。

完整的領域世界涵蓋了通信協作（EchoMail、EchoCalendar、EchoChat）、技術創建（EchoML、EchoForge）、監管記錄（EchoBank、EchoCare）、社區媒體（EchoForum、EchoTunes）和旅行（EchoStay）等類別。每個世界都忠實再現了真實產品的工作流程，包括權限、共享狀態和審計歷史等複雜結構。例如，EchoStay基於InsideAirbnb的真實數據，擁有超過87條路由和23個數據庫表，模擬了從搜索到支付的全流程。這種深度使得代理能夠學習到真實世界中的因果關係。

能力世界則專注於代理經常失敗的具體交互，如日期選擇器和嵌套過濾器。通過在這些控制元素上進行多種形式的練習，代理學會了在未見過的領域中操作它們。這種針對性訓練極大地提高了泛化能力。

共同進化的循環是Echoverse的核心：每次評估不僅產生訓練數據，還會暴露世界、任務或驗證器中的缺陷，這些缺陷會被自動修復，從而使得下一輪訓練的信號更加鋭利。這種閉環使得訓練效果累積，而不會陷入飽和。

總之，Echoverse通過強調深度、針對性和共同進化，為計算機使用代理的訓練提供了新的方向。它證明了高質量合成環境的價值，並展示瞭如何通過持續改進來推動模型能力的提升。該研究還開源了部分世界，以促進社區進一步探索。