EnvCraft：在 Agentic RL 中为 Claw-like Agent 合成可执行环境

大语言模型的范式已迅速从被动语言界面转变为自主的爪状智能体，可以在有状态的工作空间中执行长期任务。虽然智能体强化学习（Agentic RL）提供了一条优化这些智能体的有前途的途径，但其扩展却因交互式训练环境的严重缺乏而受到严重瓶颈。现有的合成环境严格限于工具调用端点，这使得它们不足以满足爪状智能体的端到端现实世界需求。为了弥补这一差距，我们引入了 EnvCraft，这是一个用于合成可执行环境和可扩展训练数据的自动化框架。具体来说，EnvCraft 采用环境综合引擎来构建沙箱隔离的工作空间，并使用拓扑感知数据生成引擎来生成连贯的任务轨迹。总体而言，我们合成了 139 个交互式环境，其中包含大约 20K 个复杂任务，用于 Agentic RL 训练。 Qwen3/3.5 模型 (8B-32B) 上的实验表明，我们的方法在 Claw 式基准上的增益高达 +11.9%，在一般工具使用基准上的增益高达 +8.0%，同时推理Token成本也降低了。结果证实，合成的可执行环境为训练提供了强大且可概括的学习信号。