**SEAL：智能体与学习环境的协同进化框架**

_SEAL: Synergistic Co-Evolution of Agents and Learning Environments_

> 大型语言模型（LLM）智能体通常通过自我进化来提升能力，但现有方法往往孤立地调整策略或学习环境。本文指出这会导致“智能体-环境不匹配”问题：训练过程中智能体的能力边界在变化，而提供监督的环境却保持静态。为此，研究者提出了SEAL，一个用于交互式工具使用智能体的闭环协同进化框架。它通过可执行验证收集在线轨迹，将失败回溯诊断为轮次级失败标签，并利用这些诊断信号同时驱动环境侧的适应和模型侧的策略优化。环境通过暴露更清晰的工具约束和反馈来进化其学习界面，而策略则通过诊断引导的优势重加权进行更新。实验表明，仅用400个训练样本，SEAL在多个骨干模型上平均提升8.25至26.25分，并展现出良好的分布外迁移能力，证明了联合优化学习者和学习基底对构建稳健自进化LLM智能体的价值。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-05-26 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2605.24426)