Google के शोधकर्ताओं ने EnvHarness को ओपन-सोर्स किया है। यह टूल एजेंट की कमज़ोरियों को निशाना बनाने के लिए उसके प्रशिक्षण के माहौल को अपने आप बदलता है। यह reset() और step() जैसे मानक कॉल इस्तेमाल करने वाले किसी भी मौजूदा माहौल के ऊपर काम करता है। इसमें ऐसे प्लग-इन घटक जोड़े जाते हैं जो मुख्य कार्य या उसके सत्यापनकर्ता को छुए बिना शुरुआती स्थितियों, नियमों या अवलोकनों में बदलाव करते हैं। इसका अंतर्निहित EnvRigger एजेंट पर नज़र रखता है, बार-बार होने वाली विफलताओं को पहचानता है, उन पर केंद्रित बदलाव तैयार करता है और नए इंटरैक्शन के ज़रिए उन्हें परखता है। परीक्षणों में Gemini 3.5 Flash और Claude Sonnet 4.6 जैसे मॉडल ने WebArena और ALFWorld जैसे बेंचमार्क पर 2.9–3.7 प्रतिशत अंक तक सुधार दिखाया।
यह क्यों मायने रखता है
डेवलपर बेंचमार्क या सत्यापनकर्ता दोबारा बनाए बिना, अधिक सक्षम एजेंट तेज़ी से प्रशिक्षित कर सकते हैं।
