Echoverse, 12 mondi ad alta fedeltà per addestrare agenti

Un modello da 9 miliardi di parametri sale dal 36,5% al 67,1% dopo l’addestramento su dodici mondi di Echoverse. La distanza da GPT-5.4 scende a 14 punti¹.

Echoverse è una suite di ambienti per agenti che usano interfacce. I ricercatori hanno costruito dodici mondi di addestramento: dieci mondi di dominio profondi e due mondi di capacità centrati su un singolo controllo. I due mondi di capacità esercitano in molte forme due elementi ricorrenti: i selettori di data e i filtri annidati. La profondità è il punto chiave: i mondi riproducono il comportamento reale di applicazioni, includono dati realistici e mantengono uno stato coerente tra schermate e utenti¹.

Il risultato principale riguarda l’effetto del training su tutta la suite. Addestrato su tutti i dodici mondi, il modello da 9 miliardi quasi raddoppia il punteggio di base, passando dal 36,5% al 67,1%. La sua prestazione arriva a 14 punti da GPT-5.4. Per gli autori contano la fedeltà della simulazione e l’allineamento con le lacune effettive degli agenti, più del numero di scenari¹.

Gli autori riportano un test diretto tra versioni “shallow” e “deep” degli stessi siti. Con i mondi superficiali, il modello è peggiorato. Con i mondi profondi, è migliorato. La conclusione è netta: alta fedeltà come requisito, non optional¹.

La difficoltà si concentra su controlli specifici. I selettori di data e i filtri annidati mettono spesso in crisi gli agenti. Per questo i due mondi di capacità allenano quei controlli in molte varianti. L’effetto osservato è la trasferibilità: l’addestramento su queste forme ha insegnato al modello a operare controlli simili in domini che non aveva visto durante il training¹.

Echoverse non è solo ambienti più accurati. Il team descrive un ciclo che co-evolve modello, mondo e verificatore. Co-evolvendo questi elementi, tutti migliorano¹.

L’impostazione privilegia la fedeltà rispetto alla quantità. Gli autori parlano di “scaling fidelity over sheer count”, di puntare alle capacità che mancano davvero agli agenti e di far evolvere gli ambienti insieme ai modelli che si addestrano al loro interno. La scelta dei dodici mondi riflette questa strategia: dieci domini per riprodurre applicazioni complete, più due officine dedicate a un singolo controllo, ma in molte incarnazioni¹.

La lezione operativa è chiara: se gli agenti inciampano sugli stessi nodi dell’interfaccia, investire in mondi che li esercitano in profondità vale più di moltiplicare scenari poco realistici. Per chi progetta curricula e benchmark, il messaggio è di mirare alle lacune concrete, non a collezioni più ampie di task¹.