AutoForge：用于Agentic强化学习的自动化环境合成

本文解决了当前用于基于语言的agent的强化学习（RL）环境的局限性。它提出了一个用于自动化环境合成的新型pipeline，侧重于高难度任务并解决模拟用户的不稳定性。这项工作的意义在于它有可能提高agentic RL的可扩展性、效率和稳定性，这已通过在多个基准测试和域外泛化上的评估得到验证。

• •提出了AutoForge，一种用于RL中自动化环境合成的新方法。
• •解决了现有RL环境的局限性，特别是在难度和用户不稳定性方面。
• •引入了一种环境级RL算法，以提高训练效率和稳定性。
• •在多个agentic基准测试上进行了评估，证明了有效性和域外泛化能力。