AutoEnvScaling 让智能体自建训练环境推进递归自我改进

Natasha Jaques 团队发布论文 AutoEnvScaling,推进多智能体递归自我改进(RSI)。传统流程中研究者仍在环境设计环节内,难以规模化;该方案让提案(proposer)智能体作为编码 agent,读取推理 agent 的 rollouts,在沙箱中自动构建并运行完整的 Harbor 任务环境,无需人类参与即可自博弈强化学习。实验中 Qwen3.6-35B 的 Terminal Bench 成绩从 41.1 提升至 53.3,接近翻倍。

2026-10-14 ~ 2026-10-15 · 3 条相关

• AutoEnvScaling：让 agent 自建训练环境，无人类参与的自博弈 RL — _AndrewZhao · 2026-10-14
• AutoEnvScaling：agent 自己造训练环境，Qwen3.6 终端跑分 41.1→53.3 — rbhar90 · 2026-10-14
• AutoEnvScaling:提案智能体自建环境,Qwen3.6-35B Terminal Bench 翻倍 — jzl86 · 2026-10-15