Microsoft Researchは、コンピュータ使用エージェントのトレーニング用に設計された12の深い合成環境のコレクションであるEchoverseをリリースしました。このイニシアチブには、ドメイン固有の世界10と能力焦点の世界2が含まれており、すべて一貫した状態と行動の忠実度を維持するように構築されています。

  • これらの環境でトレーニングされた9Bモデルは、ベーススコアを36.5%から67.1%にほぼ倍増させ、GPT-5.4にわずか14ポイント差まで迫りました。
  • リリースには、コード、データ、グラウンドド・グレーダーズとともに4つの世界が含まれています。
  • 高いシミュレーション忠実度が重要です。浅い世界はモデルの回帰を引き起こしましたが、深い世界はパフォーマンスを向上させました。
  • システムは、評価されたランがモデルと環境の検証者の両方を改善する共進化的ループを使用しています。

このリリースは、ライブウェブページのドリフトを回避する固定された制御可能な合成データを提供することで、高忠実度のコンピュータ使用環境の研究をサポートします。