پژوهشگران گوگل EnvHarness را متن‌باز کرده‌اند؛ ابزاری که محیط آموزشی عامل را به‌طور خودکار تغییر می‌دهد تا نقاط ضعف آن را هدف بگیرد. این ابزار روی هر محیط موجودی که از فراخوانی‌های استاندارد reset() و step() استفاده کند، قرار می‌گیرد و مؤلفه‌هایی افزونه‌ای به آن می‌افزاید که بدون دست‌زدن به وظیفه اصلی یا ارزیاب آن، وضعیت‌های آغازین، قوانین یا مشاهدات را تغییر می‌دهند. EnvRigger داخلی عملکرد عامل را زیر نظر می‌گیرد، شکست‌های تکرارشونده را پیدا می‌کند، تغییرات هدفمندی می‌سازد و با تعامل‌های تازه آن‌ها را اعتبارسنجی می‌کند. آزمایش‌ها نشان دادند مدل‌هایی مانند Gemini 3.5 Flash و Claude Sonnet 4.6 در معیارهایی مانند WebArena و ALFWorld بین ۲٫۹ تا ۳٫۷ واحد درصد بهتر عمل می‌کنند.
چرا مهم است
توسعه‌دهندگان می‌توانند بدون بازسازی معیارها یا ارزیاب‌ها، عامل‌های قوی‌تری را سریع‌تر آموزش دهند.
