跳转至

Environments as Scaffold：随轨迹阶段切换反馈形态

复现级别：公开观察解析诊断。 实现早期公开动作引导、后期观察增强的阶段切换；不读取 gold plan。

论文信息

字段 内容
论文链接 arXiv 2609.08404
公司/机构 Fudan University（第一作者署名单位）
首次公开日期 2026-09-08（arXiv v1）
原文开源代码 是：EnvAsScaffold
Adapter / 方法 feedback-scaffold
本地复现代码 src/auto_research/agent_research/latest_20260912.py

原始论文总结

背景与主要改动

论文指出统一反馈不适合整个探索过程：早期能力不足时使用 action guidance 降低搜索难度，后期则改为 observation enrichment，让 Agent 自己选择动作，避免长期依赖示范。

flowchart LR
  S[交互状态] --> D{轨迹阶段}
  D -->|早期| A[Action Guidance]
  D -->|后期| O[Observation Enrichment]
  A --> P[Agent 策略]
  O --> P --> E[环境反馈]

原论文关键图

Environments as Scaffold：随轨迹阶段切换反馈形态 原论文 Figure 4

原论文 Figure 4（关键图）：展示原论文的训练流程与关键优化环节。图片来自原论文，版权归原作者所有；点击图片可查看来源。

本地复现与边界

三种子结果见 metrics/mini-suite-seeds42-44.json。第一步只可采用公开 observation 中明确给出的 workflow；后续仅加入状态摘要，隐藏 AgentTask.plan 从不进入策略。当前未训练 LLM，也没有真实环境 rollout。