Aug 5, 2026 · State2State
State2State: Environment-Derived Mid-Training for LLM Agents
State2State 是一种环境派生的中间训练方法，通过将探索的环境状态转化为训练目标，使 LLM 智能体仅通过环境交互获得能力，无需外部指定任务或专家监督。在 ALFWorld 和 ScienceWorld 上的实验表明，State2State 在大多数设置下作为独立的环境学习阶段能提升智能体性能，作为下游强化学习的初始化能进一步提升最终性能和效率。
EVENT STORY
Development
- First ReportState2State: Environment-Derived Mid-Training for LLM AgentsarXiv cs.CL
- Current Assessment该方法可能降低智能体训练对人工任务设计的依赖，推动更自主的智能体发展，但当前实验环境较为简单，实际应用仍需验证。Agent Pulse · analysis
State2State 提出了一种新的智能体训练范式，从环境中派生训练目标，通过规则匹配验证成功，避免了传统监督微调和强化学习对外部任务和人工验证器的依赖。实验在 ALFWorld 和 ScienceWorld 上验证了其有效性，作为独立阶段或初始化均能提升性能。
State2State 的核心在于将环境探索的状态转换为可验证的训练目标，利用规则匹配替代人工验证器，从而提供可扩展的训练信号。这暗示了智能体训练可能从任务指定转向环境驱动，减少人工干预。
该方法可能降低智能体训练对人工任务设计的依赖，推动更自主的智能体发展，但当前实验环境较为简单，实际应用仍需验证。
对于开发智能体的公司，该方法可能降低训练成本，加速智能体在复杂环境中的部署，但商业化应用仍需进一步验证。
未来可观察该方法在更复杂环境中的扩展性，以及与其他训练方法的结合效果。