[LG]《Gym-Anything: Turn any Software into an Agent Environment》P Aggarwal, G Neubig, S Welleck [CMU] (2026)

在GUI自动化领域，如何为数百种真实软件批量构建可交互训练环境，是一个悬而未决的难题。过去的基准测试受困于手工搭建环境的高昂成本，本质原因是每款软件的安装、配置与核实均需数周专家工时，规模无法扩展。

本文的核心洞见是：把"搭建计算机使用环境"本身重新看作一项多智能体编码与操作任务。由此，"创建-审计"循环这一关键操作使问题得以解开——生成智能体编写安装脚本并产出截图等证据，独立审计智能体对照质量清单核查证据；共享记忆让后续环境越建越快；再以"种子-扩增"策略生成逾万条任务，并以特权信息增强的检查表式VLM验证器打分。

这项工作真正留下的遗产是：证明了大规模、跨职业、可执行的计算机使用基准可通过全自动流水线实现，并提供了涵盖200款软件、1万余条任务、覆盖全部22个职业大类的CUA-World。它为后来者打开的新门是：从环境构建的规模化路径出发，探索GUI智能体的训练数据飞轮与测试时审计机制。但尚未跨过的门槛是：大量商业软件仍被排除在外、任务可解性未经端到端人工验证，且小模型跨软件泛化能力依然有限。

arxiv.org/abs/2604.06126

#机器学习# #人工智能# #论文# #AI创造营#