Echoverse: entornos profundos en evolución para entrenar agentes de uso informático

Microsoft Research ha desarrollado Echoverse, una colección de doce mundos sintéticos para entrenar agentes que interactúan con ordenadores, que incluye diez mundos de dominio profundo y dos mundos de capacidad. Estos mundos replican el comportamiento de aplicaciones reales con un estado coherente y datos realistas, lo que permite a los agentes aprender de consecuencias reales. Entrenar un modelo de 9B en los doce mundos mejoró su puntuación del 36,5% al 67,1%, acercándose al rendimiento de GPT-5.4. Entre los hallazgos clave se incluyen la necesidad de una alta fidelidad de simulación, la eficacia de practicar con elementos de interfaz complejos como los selectores de fecha, y los beneficios de la coevolución del modelo, el mundo y el verificador. El aprendizaje por refuerzo utilizando verificadores fundamentados como recompensas superó al aprendizaje por imitación. Microsoft está lanzando cuatro mundos con código, datos y evaluadores para apoyar futuras investigaciones.