AutoEnvScaling：让 AI 智能体自建训练环境，无人类参与的自博弈 RL

论文提出 AutoEnvScaling，让 proposer agent 像人类研究员一样构建完整的 Harbor 任务和沙盒环境，把 Data Flywheel 变成终端任务。同一模型既当出题者（builder）又当解题者（solver），由此实现终端 agent 的自博弈 RL，全程无需人类参与。递归自我改进需要 agent 能自己搭建训练环境，但传统流程中研究者仍在环内，难以规模化。