EnterpriseGym Corecraft：在高保真 RL 环境中训练通用智能体

我们表明，在高保真强化学习环境中训练 AI 智能体，能产生超越训练分布的泛化能力。我们推出 CoreCraft，它是 Surge AI 的 Agentic RL 环境套件 EnterpriseBench 中的首个环境。CoreCraft 是对客户支持组织的完全可运行企业模拟，包含 14 类共 2500 多个实体和 23 种独特工具，旨在衡量 AI 智能体能否胜任真实岗位所需的多步骤、领域特定工作。在须满足全部专家撰写评分标准时，GPT-5.2 和 Claude Opus 4.6 等前沿模型解出不足 30% 的任务。利用该环境，我们用组相对策略优化（GRPO）和自适应裁剪训练 GLM 4.6。仅训练一个 epoch 后，模型在保留评估任务上的通过率从 25.37% 提升至 36.76%。更重要的是，这些收益迁移到分布外基准：BFCL Parallel +4.5%、Tau2-Bench Retail +7.4%、Tool Decathlon +6.8%（Pass@1）。我们认为三个环境特性与观察到的迁移一致：面向多样挑战任务的任务中心世界构建、支持可靠奖励计算的专家评分标准，以及反映真实职业模式的企业工作流。我们的结果表明，环境的质量、多样性与真实性是形成可泛化智能体能力的关键因素。