AI agent 训练新思路：不靠 RL 和验证器，用模型自身解释训练反而提升编码能力

CatAstro_Piyush 提出一种 AI agent 训练思路：让 agent 在自己的解释上训练，而非在代码上训练，训练后编码能力反而变强。整个流程没有教师模型、没有验证器、也没有 RL 更新，测试时同样不需要额外上下文。相关做法以长线程形式逐步给出并附实现链接。