AutoEnvScaling:用终端智能体自动化数据飞轮
推荐阅读!
研究者提出 AutoEnvScaling,把数据飞轮转成终端任务,由 proposer 智能体像人类研究者一样构建完整的 Harbor 任务和沙箱。该方案支持终端智能体的自博弈强化学习,同一个模型同时作为构建者和求解者持续提升,无需人类参与循环。
查看原帖递归式自我改进需要能够构建自身训练环境的智能体。但研究人员仍需留在循环之中,这使得规模化变得困难。 我们提出 AutoEnvScaling,它将数据飞轮转化为一项终端任务:由 proposer 智能体构建完整的 Harbor 任务和沙箱。它的构建方式与人类研究者如出一辙。这为终端智能体实现了自博弈强化学习:同一个模型在作为构建者和求解者的过程中不断提升,无需人类参与循环。
查看原文
Recursive self-improvement needs agents that can build their own training environments. But researchers still part of the loop, making it hard to scale. We introduce AutoEnvScaling, which turns Data Flywheel into a terminal task: a proposer agent builds complete Harbor tasks and sandbox. It builds just like human researchers. This enables self-play RL for terminal agents: one model improves as both builder and solver, without human-in-the-loop.
正文
推荐阅读!