RL 环境设计长文：会操作软件不等于会达成目标

这篇关于 RL 环境与 computer-use agents 的长文指出，模型在 Word、Google Workspace 等界面的点击操作已趋近基础能力，真正难点是借助行业知识把操作转化为实际成果。文章以申请 headcount 为例，强调环境设计与评分不能只确认邮件是否发出，还要覆盖预算争取、供应商表现等未记录的组织知识。真实数据的清洗与噪声同样需要纳入环境设计。