Echoverse: Lingkungan Berkembang Mendalam untuk Melatih Agen Penggunaan Komputer

Microsoft Research mengembangkan Echoverse, kumpulan dua belas dunia sintetis untuk melatih agen pengguna komputer, yang terdiri dari sepuluh dunia domain mendalam dan dua dunia kemampuan. Dunia-dunia ini mereplikasi perilaku aplikasi nyata dengan keadaan yang koheren dan data realistis, memungkinkan agen belajar dari konsekuensi sebenarnya. Pelatihan model berukuran 9B pada seluruh dua belas dunia meningkatkan skornya dari 36,5% menjadi 67,1%, mendekati kinerja GPT-5.4. Temuan utama meliputi perlunya fidelitas simulasi yang tinggi, efektivitas pelatihan pada elemen antarmuka yang menantang seperti pemilih tanggal, dan manfaat dari koevolusi model, dunia, serta verifikator. Pembelajaran penguatan menggunakan verifikator yang terikat sebagai imbalan mengungguli pembelajaran imitasi. Microsoft merilis empat dunia beserta kode, data, dan pemberi skor untuk mendukung penelitian lebih lanjut.