训练 Agent 做真实工作，难点不是多造数据：Mercor 为什么把 verifier 当成核心

导读

怎样训练 Agent 完成跨文件、跨应用的专业工作？Mercor 的 Brendan Foody 把强化学习环境拆成三层：包含邮件和文档的工作世界、Agent 可以操作的应用，以及定义交付物和评分方式的任务。法律案例里，律师先设计项目和文件结构，模型协助生成材料；Agent 在工作区寻找证据并写备忘录，专家再制定覆盖事实、法律和计算的评分标准。团队让模型跑出多条轨迹，检查评分器会否漏掉合理答案或奖励表面完整的错误。训练前还可以比较首次成功率和多次尝试的成功率：如果模型多次尝试仍找不到正确路径，就拆短任务、提供示范或更换基础模型。Brendan 认为，长期项目和需要同事协作的任务，也应逐渐进入这类环境。