EnvSched：面向 rollout 高效 Agent 强化学习的环境感知调度

论文提出 EnvSched，一种从 rollout 历史中学习的在线调度器，用于在有限 rollout 预算下提升 Agent 强化学习效率。它通过两种建模分配调度价值：利用优先选择更可能产生有信息量奖励差异的任务，覆盖则让每批数据分散到观察不足的环境与交互模式。EnvSched 将环境-任务对组织为双关系图节点，环境内边刻画任务语义及共享工具、状态与验证关系。

AI推荐理由 针对 Agent 强化学习中 rollout 成本高的问题，提出环境感知的在线调度器，用双关系图组织环境-任务对并平衡利用与覆盖，属于训练效率方向的工程性方法；摘要未给出量化收益。