标签
AutoGym提出一个框架，通过蓝图优先生成，从最小种子自动生成完整的智能体训练环境（包括任务、可执行环境和验证器），以确保可解性并实现主动课程综合，用于自适应难度调控。
本文提出RACES，一种递归自动组合框架，将可验证环境视为可组合的构建块，以扩展LLM的强化学习规模，通过组合算子实现高效的推理泛化。