AutoEnvScaling：智能体自建训练环境实现自博弈RL

2026年10月14日，AGI Hunt 报道了一项名为 AutoEnvScaling 的论文工作。该工作指出，递归自我改进要求智能体能够自行搭建训练环境，但传统流程中研究者仍处在环内，难以规模化。为此，论文让 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 转化为终端任务；同一模型既充当出题者（builder），又充当解题者（solver），由此实现终端 agent 的自博弈强化学习，全程无需人类参与。报道称，这一思路意在把原本由人承担的环境搭建环节交给智能体自身，从而让训练环境的供给随模型能力一同扩展。目前公开信息仅来自该篇报道，尚未见到关于实验规模、任务数量或效果指标的进一步细节。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。