ScaleEnv：从零合成全交互环境，靠工具依赖图保证可解

训练通用的 tool-use agent 需要大量交互环境让模型自我探索，但现成环境极度稀缺，而既有合成方法在多样性和可扩展性上都不够。ScaleEnv 的思路很直接：从零造一个完全可交互、且任务可验证的环境，不依赖既有实现。

论文信息

• 标题：ScaleEnv: Scaling Environment Synthesis from Scratch for Generalist Interactive Tool-Use Agent Training
• 作者：Tu Dunwei, Hao Hongyan, Yang Hansi et al., 2026
• arXiv：2602.06820
• 关键词：environment synthesis from scratch、tool dependency graph、generalist agent

要解决的问题

通用 agent 要适配多样场景，靠的是在交互环境里探索学习。问题是：真实交互环境太少，合成方法又受限于环境多样性和扩展性。结果是模型要么过拟合到少数手工环境，要么在未见场景下泛化失败。

核心方法

ScaleEnv 是一个从零构建全交互环境 + 可验证任务的框架，关键机制有三条：

1. 过程式测试保证可靠性：对合成的环境做过程式测试，确保环境本身能正确运行、状态一致；
2. 工具依赖图扩展：通过工具间的依赖关系扩展，保证任务在结构上完整；
3. 可执行动作验证：验证每个动作确实可执行，从而保证任务可解（solvable）。

三条合起来，解决的是合成环境最致命的两个问题——「造出来跑不通」和「任务根本无解」。

实验结果

• 在未见过的多轮 tool-use 基准 τ²-Bench 和 VitaBench 上，用 ScaleEnv 探索训练带来显著性能提升，体现强泛化；
• 进一步研究了领域数量与模型泛化的关系，给出经验证据：扩展环境多样性对鲁棒 agent 学习是关键——这是「scaling environmental diversity」的正面证据。

定位与启示

ScaleEnv 代表「环境合成」里偏工程可靠性的路线：不假设环境已存在，而是从零造并保证可解。它和 Environment-free（不造环境、直接用 LLM 当世界模型）是两个极端——一个把环境做实做硬，一个把环境做虚做软。两者互补：ScaleEnv 适合需要真实状态转移的 tool-use 训练，Environment-free 适合 API 生态稀缺时的快速数据补充。综述 2606.12191 里它属于规模驱动合成的典型。