[!summary]+ 摘要
代理制作 不同于简单任务的一次性响应生成，要求大型语言模型在现实环境中多回合运行——采取行动、观察结果，并迭代优化工件，直到满足复杂需求。然而，代理打造的精神超越了代码，延伸到更广泛的工具和语言中介工作流，模型必须规划、执行并在交互下保持可靠性。实现这一新体系需要持续且细致的努力，将代理生态系统作为基础，最终以代理模型作为顶点。罗马不是一天建成的。一个有原则的端到端代理生态系统可以简化代理 LLM 从训练到生产部署的流程，加速向代理时代的更广泛过渡。然而，开源社区仍然缺乏这样的生态系统，这在实际开发和生产阶段的采纳都受到了阻碍。为此，我们介绍代理学习生态系统（ALE），这是一个优化代理 LLM 端到端生产流水线的基础基础设施。ALE 由三个系统组件组成。ROLL 是一个训练后体重优化的框架。ROCK 是一个沙盒环境管理器，用于协调环境以生成轨迹。iFlow CLI 是一个代理框架，能够实现可配置且高效的环境交互上下文工程。我们发布 ROME（ROME 显然是代理 ModEl），这是一个由 ALE 基于并训练超过一百万轨迹的开源代理。 此外，我们还策划了一套数据组合协议，能够综合从孤立静态片段到动态复杂代理行为的数据，并内置安全性、安全性和有效性的验证功能。我们进一步开发端到端训练流水线，并提出了一种新颖的策略优化算法 IPA，该算法通过语义交互块而非单个代币赋予信用，从而提升长期训练稳定性。实证评估显示，ROME 在主流代理基准测试中取得了强劲成绩，包括 Terminal-Bench 2.0 的 24.72%和 SWE-bench Verified 的 57.40%的准确率，优于同等规模的模型，并与参数超过 1 亿的模型竞争。为了实现更严谨的评估，我们推出了 Terminal Bench Pro，这是一款在规模、领域覆盖和污染控制方面都有提升的基准测试。ROME 在同等规模的开源模型中仍展现出竞争性能，并已成功投入生产，证明了 ALE 的实用性。
总感觉有A/的生态位部分
发不了，不敢发，不是我的