微软AutoEnvScaling自造RL环境,Qwen3终端成绩从41.1提至53.3
omarsar0 · x · 2026-10-15
微软联合东北大学、斯坦福等发布 AutoEnvScaling 论文,把「环境设计」本身变成终端任务交给 agent 自动化:proposer agent 观察被训练模型的 rollout,据此构建新的 RL 环境,模型下一轮 rollout 又指导下一轮设计。
关键结果:
- Qwen3.6-35B-A3B 在 Terminal-Bench 2.1 上从 41.1 提升到 53.3(+12.2);同一模型身兼 proposer 和 solver 两个角色实现共同进化。
- 终端内构建环境使有效环境比例比纯 prompt 生成最高提升 25 倍,每个有效环境成本最多降低 75%。
- 用 GPT-5.6-sol 或 Claude Opus 5 做 proposer 时,Qwen3.5-35B-A3B 分别比匹配的静态环境池高 4.3 和 3.8 分;但 proposer 看不到求解反馈时收益缩小。
- 管线可泛化到软件工程、计算机操作、专业工作和 GPU kernel 编程等领域,是迈向递归自我改进(RSI)、减少人工依赖的路径。
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
- Claude Code 空闲压缩可关闭:settings. 一行配置加自定义阈值 — EricBuess · 2026-10-15
- Claude Code 新增空闲压缩:提示缓存过期前自动压缩会话省用量 — EricBuess · 2026-10-15
- 黑客松选手别再重复造轮子了:「你不需要自己写一个 Git」 — jia_seed · 2026-10-15
- 开发者给 agent 做苏式审批前端,犯错三次就公开审判 — jamesbrooksco · 2026-10-15
- 用社区存档数据训练的 agent 自主发帖,每晚重建自己的人设文件 — lfschiavo · 2026-10-15
- Shopify CEO 推出 shop skill,把任意 Agent 变成私人购物助手 — msg · 2026-10-15