智能体与自主科学
突破级
暂无讲解视频
收录解读
ECHO 把 terminal agents 的环境交互视为可学习世界模型问题：命令执行后的文件系统、stdout、stderr 和状态变化可以作为自监督信号。
论文通过辅助预测环境后继状态，让 agent 在完成任务的同时学习 CLI world model，不需要额外人工标注即可改善后续规划。
这对 coding agents 和本地自动化尤其重要，因为终端环境有明确动作、观测和可验证状态，是 agent 世界模型最现实的落地点之一。
它值得正式收录，因为它把 world modeling 从机器人/视频扩展到软件执行环境，为 terminal agent 的长期学习提供了低成本训练信号。