直播预告！聊聊 EnvHarness，Agent 和环境如何“左脚踩右脚”实现自进化

当前 Agent 训练面临两难：

传统环境静态僵化，Agent 易过拟合；
完全合成环境又易产生逻辑幻觉。

而 Agent 本质上是一个不断与环境（Environment）进行交互的主体：感知反馈、做出决策、影响环境。在自进化 Agent 的主流范式中，往往高度依赖 Agent 在环境中的单向探索来拉升性能。

那么问题来了：在这个闭环中，有没有可能让环境也随之进化起来，与 Agent 互相博弈，达成“左脚踩右脚”上天的效果？

EnvHarness 提出了“无侵入式可编程包装层”的新范式——无需修改底层环境代码和真值校验器，仅通过在初始状态 (Stage)、交互契约 (Contract) 与任务链 (Chain) 维度注入可编程组件，即可动态改变环境的观察与转换逻辑。

论文：EnvHarness: Awakening Static Worlds for Agent Learning
链接：https://arxiv.org/abs/2608.19880
主页：https://www.envharness.com
代码：https://github.com/google-research/envharness

结合 ENVRIGGER 的“观察-诊断-编写-验证”自动化闭环，EnvHarness 能够精准靶向 Agent 的能力短板，重构出渐进式、高强度的对抗性环境，将环境从“被动的测试集”升级为“主动的演化催化剂”，为复杂 Agent 的针对性技能进化提供了极具扩展性的通用基础设施。

9月12日（周六）上午10:00，青稞Talk 第153期，青稞社区邀请到华盛顿大学圣路易斯分校博士生黄呈松，对 EnvHarness 进行直播讲解。欢迎一起来交流学习～～

青稞介绍

黄呈松，华盛顿大学圣路易斯分校（WUSTL）计算机科学与工程系博士生，导师为 Jiaxin Huang 教授，本科毕业于复旦大学软件工程专业，曾任 Google Student Researcher。研究方向为大语言模型与视觉语言模型，专注于测试时计算扩展、自演化推理与可编程 Agent 环境设计。代表工作包括 LoraHub（LoRA 跨任务无缝组合）、R-Zero（零数据自演化推理）与 EnvHarness（Agent 可编程环境重构框架）等，这些项目均在 GitHub 上获得 500+ Stars。

主题提纲

EnvHarness：左脚踩右脚！让环境随着 Agent 的训练一起进化

1、Agent 训练的难点，以及为什么需要会进化的环境
2、EnvHarness：无侵入式「环境脚手架」
3、ENVRIGGER 的“观察-诊断-编写-验证”自动化闭环
4、长线实验中的 "Scaling"能力验证
5、探讨模型 × 环境协同进化的未来
6、AMA（Ask Me Anything）环节

直播时间

9月12日（周六）10:00 - 11:00