AgentGym

AgentGym 概覽

這是什麼

AgentGym 是一個用於評估與開發基於大型語言模型（LLM）的代理（agent）的框架，支援多樣化的環境。此專案為 ACL 2025 論文（作者 Zhiheng Xi 等人）的程式碼與實作。框架包含一個具有 14 個互動式環境的平台、高品質的軌跡集（AgentTraj-L）、基準測試套件（AgentEval），以及代理自我演化方法（AgentEvol）。此外也提供強化學習版本（AgentGym-RL）與互動式前端視覺化工具。

主要功能

• 支援 14 種環境，涵蓋網頁導航、文字遊戲、家務任務、數位遊戲、具身任務、工具使用與程式設計。
• 採用統一的 ReAct 格式進行代理與環境互動。
• 提供即時回饋並支援並行執行。
• 包含 Hugging Face 上的 AgentTraj-L 軌跡集與 AgentEval 基準測試。
• 提出 AgentEvol 方法，使代理能超越先前見過的資料進行演化。
• 提供強化學習版本（AgentGym-RL）以進行多輪強化學習。
• 允許開發者透過封裝的 HTTP 服務輕鬆新增自訂環境。

使用情境

• 評估與開發具備通用能力的 LLM 代理。
• 研究代理在不同任務與環境中的自我演化。
• 透過多輪強化學習訓練代理。
• 回放與檢視完整的代理軌跡以進行分析。

快速開始

請參閱儲存庫的 README 以取得安裝與快速開始說明。

授權與價格

本專案採用 MIT 授權，為開放原始碼。

內容整理自該專案公開的 README 與儲存庫資訊。