打破环境墙：为递归自我改进演化 LLM Agent 环境

arXiv 论文提出 Env-Rethink 系统，包含一个经后训练的 27B 模型，针对 LLM Agent 环境信息分散、证据含误导与冲突、环境随时间演化三类问题。系统通过构建 Collection Maps 与 Event Logs 补充上下文，识别环境噪声，并用虚拟事件历史演化环境。实验称在 30 个任务、9 个模型上 rubric 通过率提升超过 15.1%，而此类环境挑战可使最强 Agent 表现从 83.9% 降至 57.6%。

此前提升 Agent 表现多靠模型能力或提示工程，而该工作把环境本身作为可改造对象，指出真实任务环境并非 agent-ready，环境缺陷可导致 83.9% 到 57.6% 的大幅性能落差，并提出自动补全上下文与主动制造更难环境的路径。

机制分三步：先用 Collection Maps 组织分散文件、用 Event Logs 建立跨数据关系以补上下文；再通过离线轨迹学习让后训练模型定位环境中的噪声与冲突版本；最后以虚拟事件历史改变环境状态和证据关系，生成更难任务供 Agent 继续训练，形成环境与 Agent 相互演化的闭环。

对做 Agent 产品的团队，评测和训练数据的瓶颈可能从模型转向环境工程质量：需检查文件组织、版本冲突和噪声，否则同一模型在不同环境表现差距可能超过 25 个百分点。可据此设计环境治理与自动生成难例的流程，降低人工构造评测集的成本。

• 为企业知识库或办公 Agent 增加 Collection Map 与 Event Log 层，先自动整理分散文件与跨数据关系，再接入推理。
• 在 Agent 评测管线中加入噪声与冲突版本注入，衡量模型在非理想环境下的通过率，而非只测整理好的数据。
• 基于虚拟事件历史自动生成渐进式难任务，用于持续微调或强化内部 Agent 模型。
• 对外提供环境诊断服务，识别客户环境中导致 Agent 失败的信息分散与版本冲突问题。

• Env-Rethink 的 27B 模型具体训练数据、算力成本和训练时长未在证据中说明。
• 15.1% rubric 通过率提升对应的基线模型与具体任务分布不明确。
• 虚拟事件历史生成的环境是否会引入不真实偏差，证据未讨论。
• 该方法在证据中仅限论文实验，尚无开源实现或生产环境部署信息。