InternLM/InternBootcamp

解決的問題

InternAgentHarness（亦稱 InternBootcamp）提供一個可擴展的合成環境框架，用於訓練與評估 LLM 代理。它超越靜態基準，創造可執行、可互動且可驗證的任務環境，讓模型能從真實的工具呼叫、狀態回饋與多輪互動中學習。

工作原理

此框架將代理任務封裝為可訓練的環境實例。每個任務由四個核心元件組成：

1. 指令生成：產生任務目標、初始狀態與輸入上下文。
2. 工具執行：提供代理可呼叫且可驗證的外部工具。
3. 互動控制：管理模型與環境之間的多輪通訊流程。
4. 獎勵計算：根據最終結果與中間過程提供回饋信號。

它包含一個 BootCampCLI，可自動將任務設定轉換為互動式代理流程，支援批次軌跡收集、SFT 資料過濾、RL 滾動與故障分析。

適用對象

希望建構代理訓練環境、評估模型工具使用能力，或收集多輪互動軌跡以改善任務設計的研究人員與開發者。

主要亮點

• 多輪工具呼叫：專為需要在 RL 框架內進行非同步工具呼叫與狀態控制的複雜推理任務設計。
• 可驗證環境：包含電池設計、機器人軌跡規劃、金融預測與德州撲克等多種任務範例。
• 分散式工具伺服器：採用主-工作節點架構，支援跨多台機器的高併發工具執行。
• 閉環工作流程：將評估、資料產生與訓練整合為單一迭代循環。