Microsoft propulse Echoverse de 36,5 % à 67,1 %

Microsoft présente Echoverse. Microsoft a construit douze mondes d’entraînement pour agents capables d’utiliser des interfaces informatiques. Dix mondes reproduisent des domaines complets, tandis que deux ciblent des capacités précises. Ces deux derniers travaillent notamment les sélecteurs de dates et les filtres imbriqués. Un modèle de neuf milliards de paramètres entraîné sur les douze mondes voit son score passer de 36,5 % à 67,1 %. Ce résultat le rapproche à quatorze points de GPT-5.4. Microsoft publie quatre mondes avec leur code, leurs données et leurs évaluateurs. L’annonce détaille cette approche dans le billet de recherche de Microsoft.

Les mondes gardent un état cohérent. Echoverse reproduit une application, ses données, les actions disponibles et les tâches à accomplir. L’environnement conserve les conséquences d’un clic, d’un message ou d’une modification enregistrée. L’état reste cohérent entre plusieurs écrans et plusieurs utilisateurs. Cette structure vise des systèmes fermés comme la messagerie, le calendrier, la banque ou les dossiers de santé. Les versions réelles ne conviennent pas à l’entraînement, car chaque tentative écrirait dans un compte réel. Les mondes synthétiques peuvent être réinitialisés rapidement et évalués depuis leur base de données. Microsoft privilégie donc la fidélité comportementale plutôt que le simple nombre de pages.

Microsoft mesure les actions réelles

La vérification repose sur les données. Chaque tâche reçoit une réponse de référence produite par une requête SQL sur la base de données. Une lecture est évaluée selon son équivalence avec la valeur stockée. Une écriture est vérifiée par la différence réelle entre l’état avant et l’état après. La fermeture d’un ticket échoue donc si la ligne correspondante ne change pas. Le système applique la même logique à EchoStay, EchoForge et EchoBank. Microsoft utilise aussi GPT-5.4 pour résoudre les tâches. Les trajectoires validées par l’évaluateur alimentent ensuite les données d’ajustement supervisé utilisées dans les expériences décrites.

Dix domaines couvrent plusieurs usages. Les mondes complets incluent EchoMail, EchoCalendar et EchoChat pour la communication. EchoML et EchoForge représentent la création technique et les opérations. EchoBank et EchoCare couvrent les transactions et les dossiers réglementés. EchoForum, EchoTunes et EchoStay traitent la communauté, les médias et le voyage. EchoStay utilise des données issues d’InsideAirbnb. EchoForum repose sur un corpus public de 2,55 millions de commentaires. Les autres mondes génèrent leurs données sous contraintes strictes pour conserver un état dense et cohérent. Le dépôt GitHub d’Echoverse fournit quatre mondes publiés par Microsoft.

L’entraînement renforce le monde

Le modèle progresse par renforcement. Microsoft entraîne les agents avec un évaluateur ancré dans l’état de la base de données. L’apprentissage par renforcement améliore les performances sur des tâches gardées à part. Il apprend aussi à atteindre le résultat en moins d’étapes. Les essais comparent des versions superficielles et profondes d’un même site. Le modèle régresse sur les versions superficielles, mais progresse sur les versions profondes. Microsoft fait évoluer simultanément le modèle, l’environnement, les tâches et les évaluateurs. Les échecs restants alimentent les données d’entraînement. Les défauts détectés déclenchent des réparations dans la base, le service, l’interface, le texte ou l’évaluateur.

Microsoft met également les jeux de données à disposition sur Hugging Face et publie un rapport technique.