# Agent-World 用近两千个环境训练通用智能体，任务平均超过 15 步

> 原标题：Agent-World：扩展真实世界环境，让智能体与环境协同进化！

- 来源：机器之心 · 公众号
- 发布时间：2026-05-05T03:59:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/14918
- 原文：https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2651031346&idx=3&sn=40ac6c7a7ac8a91fdcee5da9a07f31af

## 摘要

这篇文章的正文被微信环境验证挡住了，看不到具体内容。从已有的英文摘要看，Agent-World 这个工作造了 1978 个环境和 19822 个工具，专门用来训练能处理长流程任务的智能体。它的做法是把网页挖掘、工具生成、可验证的任务合成和 GRPO 训练串在一起，任务平均要跑 15 步以上。

## 推荐理由

Agent-World 构建了 1978 个环境和 19822 个工具，把网页挖掘、工具生成、任务合成与 GRPO 训练串成一条链路，用于训练能完成平均 15 步以上长流程任务的通用智能体。

## 锐评

1978 个环境、19822 个工具，这个量级听着唬人，但环境是网页挖来的还是模板生成的，差别大了。模板生成的环境再多，agent 学到的也只是在自家后院里跑圈，换到真实网页上照样抓瞎。GRPO 把环境生成和训练拧在一起，思路对，可验证的任务合成做不好，reward 信号全是噪声。我比较在意 15 步以上的任务跑一次要烧多少 token，这个成本没提，做长程 agent 的心里得有数。
