AutoEnvScaling：agent 自己造训练环境，Qwen3.6 终端跑分 41.1→53.3
rbhar90 · x · 2026-10-14
研究者提出 AutoEnvScaling，向最小化 RSI（递归自我改进）迈进：环境设计者本身是一个编码 agent，它读取推理 agent 的 rollouts，在沙箱里构建、运行并修复终端任务环境，无需人类在环。由于建任务和解任务都是编码，一个模型同时扮演出题者和解题者，两个角色一起变强，每个 checkpoint 为下一轮训练造任务。基于 SPADE 的后续工作，Qwen3.6-35B-A3B 在 Terminal-Bench 2.1 上从 41.1 提升到 53.3。
所属事件:微软 AutoEnvScaling 让智能体自建 RL 训练环境(4 条相关)→
「编程与Agent」频道最新
- 开源替代 AgentMail:给 AI 智能体配免费双向邮箱 — matchaman11 · 2026-10-15
- AWS Gen AI 周报改版:首页 5 大发布执行摘要,Agent 记忆按用量计费 — DigitalColmer · 2026-10-15
- Nous Research 发布 Hermes Agent 连接器:首日上线 50+ 免账号可用 — NousResearch · 2026-10-15
- 跑时联网搜索太贵,开发者聊天记录曝光产品索引方案 — vxnuaj · 2026-10-15
- Tev-Gym 发布：1170 个长程 RL 环境练出比肩前沿的 agent — RulinShao · 2026-10-15
- 微软AutoEnvScaling自造RL环境,Qwen3终端成绩从41.1提至53.3 — omarsar0 · 2026-10-15