Echoverse: Syvästi kehittyvät ympäristöt tietokoneenkäyttöagenttien koulutukseen

Microsoft Research kehitti Echoverse-kokoelman, joka koostuu kahdestatoista synteettisestä maailmasta tietokoneenkäyttöagenttien kouluttamiseen. Kokoelmaan kuuluu kymmenen syväaluemaailmaa ja kaksi kyvykkyysmaailmaa. Nämä maailmat jäljittelevät oikeiden sovellusten käyttäytymistä koherentilla tilalla ja realistisilla tiedoilla, jolloin agentit voivat oppia todellisista seurauksista. 9B-mallin kouluttaminen kaikilla kahdellatoista maailmalla paransi sen tulosta 36,5 prosentista 67,1 prosenttiin, mikä lähestyy GPT-5.4:n suorituskykyä. Keskeisiä havaintoja ovat korkean simulaatiotarkkuuden välttämättömyys, vaikeiden käyttöliittymäelementtien, kuten päivämäärävalitsimien, harjoittelun tehokkuus sekä mallin, maailman ja tarkistajan yhteiskehittämisen hyödyt. Vahvistusoppiminen, jossa käytetään maadoitettuja tarkistajia palkintoina, suoriutui paremmin kuin jäljittelyoppiminen. Microsoft julkaisee neljä maailmaa koodeineen, tietoineen ja arvioijineen tukemaan jatkotutkimusta.