EnvLoop 是什么？
EnvLoop 是围绕递归自我改进（RSI）构建的后训练平台。每一轮先用任务数据训练模型，再在沙箱中由独立的 Verifier 评测得到的 Checkpoint，并把发现的失败转化为下一轮的环境和数据。训练、评测与推理都在同一个平台上完成，可通过 el CLI、Python SDK 和 HTTP API 使用。
01 / EnvLoop 是什么
EnvLoop 是什么、适合谁、如何运作。
EnvLoop 适合谁？
EnvLoop 适合需要让模型在特定业务任务（例如智能体工作流，或面向自家用户的 Jev 级决策模型）上持续变强、并希望在上线前拿到证据的公司。只需要基础组件的公司，也可以把 EnvLoop 构建的任务环境、Verifier 和数据用于自己的训练与评测。
EnvLoop 的循环如何运作？
循环从你的任务数据和一次基线评测开始。EnvLoop 在 Qwen3.8-27B 或 GLM-5.3-Flash 等开源权重基座上训练 LoRA Checkpoint，为任务生成基准，并在该基准上将 Checkpoint 与基座模型对比。超过基座模型的 Checkpoint 成为下一轮的起点，是否部署为 OpenAI 兼容端点由你决定。
训练你自己的 Jev 级决策模型。
决策模型用公司自己的数据后训练，以校准后的概率回答类型明确的问题：把握大的答案由代码直接执行，不确定的交给人处理。每个示例都注明了 EnvLoop 目前做到哪一步。
- 已发布模型
个人智能体
这位用户会批准这个操作吗？会选哪个选项？智能体可以分享哪些信息？
EnvLoop 的 Pev-27B 在 Pev-Bench 上类别宏平均准确率为 0.915，高于 TypeSafe 的 Jev（0.788）。
- 配方预设
金融
根据给定的证据和约束，哪一个信用、固收、组合、外汇或期权决策是正确的？
配方预设基于 financial-decision-bench 训练：53,000 个有来源依据的案例，覆盖英文、中文和日文。
- 用你的数据
客户支持
这张工单应该进哪个队列？有多紧急？客户是否在要求退款？
用你过去的工单和分派决策训练，并在你自己的留出工单上评测。
- 用你的数据
保险理赔
这笔理赔可以走快速通道，还是需要理赔员审核？
用你的理赔员过去的决定训练，并在你自己的留出理赔案例上评测。
- 用你的数据
内容安全
这条帖子或商品违反了哪条规则？还是没有违规？
用你的审核员标注训练，并在你自己的留出案例上评测。
- 用你的数据
销售
这家来询的公司符合我们的理想客户画像吗？它准备好购买了吗？
用你赢单和丢单的记录训练，并在你自己的留出线索上评测。
02 / 我们交付什么
既交付 RSI 训练平台，也交付环境、Verifier 与数据。
用平台训练在你业务上持续变强的模型；也可以直接拿走平台沉淀的资产，用于你自己的训练和评测。
RSI 训练平台
训练、评测并上线你的专属模型，让每一轮的失败驱动下一轮改进。
- Infra Cloud在 Qwen3.8-27B、GLM-5.3-Flash 等模型上做 LoRA SFT 训练，Checkpoint 可下载。
- 评测在沙箱中批量评测，由独立的 Verifier 打分。
- 推理训练结果一键部署为 OpenAI 兼容端点，空闲时自动缩容到零。
- RSI Loop失败自动变成下一轮的环境和数据，独立复评决定哪个版本上线。
环境、Verifier 与数据
每一轮沉淀的可复用资产，可按项目定制交付，也可单独授权使用。
- 任务环境可执行、可重放，覆盖桌面软件、终端、运维与金融等场景。
- Verifier独立于模型：规则、终态检查与评分模型。
- Benchmark防泄漏，带隐藏测试集；Pev-Bench 已公开发布。
- 训练数据失败轨迹及其变体，带标签、可审计、可追溯。
03 / 递归自我改进
把任务中的失败变成下一轮训练。
从失败任务中构建新的环境和训练数据，再利用这些经验训练模型。训练后的版本接受独立复评，达标后才会成为下一轮的起点。
- 01
分析失败原因
先评测模型在业务任务上的基线表现，找出失败原因。
- 02
构建环境与数据
围绕失败案例生成任务环境和训练样本。
- 03
再训练模型
使用新数据训练下一版模型，并保存检查点。
- 04
独立复评
只有通过独立复评并达到验收标准的版本才会被保留。你来决定是否部署。
达标版本作为下一轮的起点，后续失败继续指导训练。每轮积累的环境和数据都能复用。
04 / 用例
每家公司都可以训练自己的 Jev 级决策模型，也都能做 RL。
每家公司都可以训练自己的 Jev 级决策模型：它通过一次前向计算，以校准后的概率回答一个类型明确的问题，例如某个操作是否需要用户批准。在包含 720 名新用户的 Pev-Bench 公开测试集上，已发布的 Pev-27B（由 EnvLoop Research 训练、基于 Qwen3.8-27B 的 rank-16 LoRA）类别宏平均准确率为 0.915，高于 TypeSafe 的 Jev（0.788）及其基座模型（0.762）。训练你自己的模型使用实验性配方，需与我们的团队安排。
训练自己的 Jev 级决策模型
后训练一个以校准概率回答用户或业务问题的模型，就像 TypeSafe 的 Jev。
在你自己的环境上运行 RL 循环
用 Verifier 为智能体的尝试打分，保留通过验证的尝试并在其上后训练，无需自建 RL 基础设施。
用模型循环逐轮改进模型
一轮又一轮地训练、跑基准，只保留超过基座模型的候选版本。
用业务数据后训练并部署模型
在开源权重模型上做 LoRA SFT，Checkpoint 可下载，并可部署为 OpenAI 兼容端点。
用 Verifier 评测智能体并发布基准
在沙箱中让智能体运行 Environment 数据集，并比较 Verifier 打分的结果。
在桌面软件上评测计算机使用智能体
用 cu-bench 在 20 个 Linux 桌面应用中测试智能体的专业工作能力。
获取用于自有训练的环境、Verifier 与数据
使用 EnvLoop 构建的任务环境、Verifier 和数据，可按项目交付或单独授权。
与我们的团队规划私有部署
与我们的团队一起，围绕你的数据边界规划训练与评测。
05 / 发展路线
让模型逐步具备持续改进的能力。
我们的路线从后训练基础设施出发，逐步研究如何实现领域 RSI。跨领域的自我改进是更长远的研究目标。
- 01 / 打好基础
基础设施
把模型训练、任务评测和推理接入同一套后训练流程。
- 02 / 深入领域
领域 RSI
用业务任务中的失败案例改进数据和环境，训练更适合这项任务的模型。
- 03 / 跨域协作
Super RSI
在人工设定的目标和预算内，研究如何把一个领域积累的改进方法用于其他领域。
06 / 常见问题
关于 EnvLoop 的常见问题。
如何开始使用 EnvLoop？
从 PyPI 安装 envloop-cli 并登录，然后按快速入门用 el 命令提交第一个作业。你也可以安装 EnvLoop Skill，让编程智能体通过 CLI 使用 EnvLoop。Console 展示进度、日志和结果，作业则通过 CLI 或 API 提交。
我的公司能训练自己的 Jev 级决策模型吗？
可以。EnvLoop 使用基于 Qwen/Qwen3.8-27B 的实验性 Pev-27B 标签 token 配方，在公司自己的数据上后训练决策模型，该配方由我们的团队为你的项目启用。EnvLoop 已发布的 Pev-27B 展示了这一方法：在 Pev-Bench 公开测试集上，类别宏平均准确率为 0.915，TypeSafe 的 Jev 为 0.788。用你的数据训练的模型，以你自己的留出集评测。
没有 RL 团队，我的公司也能做 RL 吗？
可以，方式是用 EnvLoop 的组件搭建由奖励驱动的循环：你的任务作为环境在沙箱中运行，Verifier 为每次尝试打分，通过验证的尝试成为训练数据，再由 LoRA SFT 训练作业后训练模型，并与基座重新对比评测。奖励决定评测和数据筛选；训练步骤本身是监督微调，而不是 GRPO、PPO 等在线 RL。
可以在 EnvLoop 上训练哪些模型？
训练作业在 Qwen3.8-27B、GLM-5.3-Flash 等开源权重模型上进行 LoRA SFT，并保存可下载的 Checkpoint。文档中的训练目录列出了你的项目可用的模型与配方。
如何使用训练好的模型？
把经过验证的 Checkpoint 部署为 OpenAI 兼容的推理端点，端点空闲时自动缩容到零。文档列出了每个模型可用的推理配置。
EnvLoop 如何判断新版本更好？
每个候选版本都会独立复评：Verifier 与模型相互独立，测试集保持隐藏。只有满足你设定的标准（例如超过基座模型）的版本才会保留，是否部署由你决定。
不使用平台，也能使用环境和数据吗？
可以。每一轮构建的任务环境、Verifier、基准和训练数据可以按项目交付，也可以单独授权。可用内容与获取方式请联系团队。