打破环境壁垒：为递归式自我改进演进 LLM Agent 环境

许多现实世界任务（例如办公流程、科学实验）要求 LLM Agent 与环境反复交互，以执行依赖上下文的操作。然而，这类环境通常并未针对 Agent 做好准备。首先，信息往往分散在环境的各处，彼此碎片化。其次，环境中的相关证据经常与误导性信息和相互冲突的版本混杂在一起。第三，环境会随时间演进，引入新的噪声和更具挑战性的任务。这些挑战会显著降低先进 AI Agent 的性能（例如从 83.9% 降至 57.6%）。为应对这些挑战，我们提出了 Env-Rethink（一个搭载 27B post-trained model 的系统），支持三项主要能力：（1）自适应地构建 Collection Maps（用于组织相关文件）和 Event Logs（用于梳理跨数据关系），以补充必要的上下文；（2）进一步利用 post-trained model（通过离线轨迹学习）识别环境中潜在的噪声问题；（3）最终通过虚拟事件历史演进环境，改变环境状态及证据关系，从而生成更具迷惑性的环境，进一步促进 Agent 改进。实验表明，Env-Rethink 能够有效提升下游任务性能（在 30 个任务、九个模型上，rubric pass rate 提升超过 15.1%）。