Des chercheurs de Google ont publié EnvHarness en open source, un outil qui remodèle automatiquement l’environnement d’entraînement d’un agent pour cibler ses points faibles. Il se superpose à n’importe quel environnement existant utilisant les appels standard reset() et step(), et ajoute des composants enfichables qui modifient les états de départ, les règles ou les observations sans toucher à la tâche principale ni à son vérificateur. Le module intégré EnvRigger observe l’agent, repère les échecs récurrents, crée des modifications ciblées et les valide au moyen de nouvelles interactions. Les tests montrent que des modèles comme Gemini 3.5 Flash et Claude Sonnet 4.6 progressent de 2,9 à 3,7 points de pourcentage sur des benchmarks tels que WebArena et ALFWorld.
Pourquoi c'est important
Les développeurs peuvent entraîner plus rapidement des agents plus performants, sans reconstruire les benchmarks ni les vérificateurs.
