Echoverse：用于训练计算机使用代理的深度演化环境

微软研究院开发了Echoverse，这是一个包含十二个合成世界的集合，用于训练计算机使用智能体，其中包括十个深度领域世界和两个能力世界。这些世界通过连贯的状态和真实的数据模拟真实应用的行为，使智能体能够从真实的后果中学习。在全部十二个世界中对一个9B参数的模型进行训练后，其得分从36.5%提升至67.1%，接近GPT-5.4的性能。关键发现包括：高模拟保真度的必要性、针对困难用户界面元素（例如日期选择器）进行训练的有效性，以及模型、世界和验证器共同进化的优势。使用基于真实验证器的奖励进行强化学习的效果优于模仿学习。微软正在开放四个世界及其代码、数据和评分器，以支持进一步的研究。