论文页面 - AutoEnvScaling：利用终端智能体自动化数据飞轮

来源：https://huggingface.co/papers/2610.14163 作者：

,

,

,

,

,

,

,

,

,

摘要

终端智能体通过在终端中执行命令来解决软件工程和科学研究中的任务\。通过强化学习(RL)训练它们需要多样且可验证的环境，但这些环境目前仍主要由人类研究人员设计，因此其供给增长速度受限于研究人员的工作速度\。我们提出了AutoEnvScaling，将环境设计视为一项终端任务，并使用智能体来自动化数据飞轮\。提议智能体根据正在训练的求解智能体的执行轨迹构建新的RL环境，而求解智能体的新执行轨迹则指导下一轮环境构建\。通过将环境生成转化为终端任务，与仅通过提示生成环境相比，AutoEnvScaling将有效环境的生成率提高至最高25倍，同时将每个有效环境的成本降低最多75%\。我们表明，使用GPT-5.6-sol生成的AutoEnvScaling环境训练Qwen3.5-35B-A3B，可使其Terminal-Bench2.1得分比匹配的Tmax基线提高4.3分\。AutoEnvScaling更广泛的目标是实现递归自我改进(RSI)：通过将环境生成和求解都转化为终端任务，它使同一个模型能够在这两种角色中共同演进\。我们表明，同时担任这两种角色的Qwen3.6-35B-A3B在Terminal-Bench2.1上的得分提高了12.2分，并将其Terminal-Bench4.0得分从1.6提高到3.2\。该流程还可泛化至不同的智能体应用领域，为软件工程、计算机操作、专业工作和GPU内核编程生成环境\。总体而言，这些结果展示了一条让智能体构建自身训练环境的路径，减少了对人类的依赖，并向RSI迈出了关键一步\。

查看arXiv页面 (https://arxiv.org/abs/2610.14163)查看PDF (https://arxiv.org/pdf/2610.14163)项目页面 (https://auto-env-scaling.github.io/)GitHub2 (https://github.com/MSR-Orchard/AutoEnvScaling)添加到合集 (https://huggingface.co/login?next=%2Fpapers%2F2610.14163)

在你的智能体中获取这篇论文：

hf papers read 2610\.14163

还没有最新的CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用这篇论文的模型0

没有模型链接到这篇论文

在模型的README.md中引用arxiv.org/abs/2610.14163，即可从此页面链接到该模型\。

引用这篇论文的数据集0

没有数据集链接到这篇论文

在数据集的README.md中引用arxiv.org/abs/2610.14163，即可从此页面链接到该数据集\。

引用这篇论文的Spaces0

没有Space链接到这篇论文

在Space的README.md中引用arxiv.org/abs/2610.14163，即可从此页面链接到该Space\。

包含这篇论文的合集0

没有合集包含这篇论文

将这篇论文添加到一个合集 (https://huggingface.co/new-collection)，即可从此页面链接到该合集\。