arXiv 2026年10月14日终端智能体自己造训练环境：有效环境率最高提升25倍，单环境成本降75%AutoEnvScaling把强化学习环境设计本身变成终端任务，让提议智能体从求解器的 rollout 中生成新环境，有效环境率最高提升25倍、单个有效环境成本最多降低75%。AutoEnvScaling把强化学习环境设计本身变成终端任务，让提议智能体从求解器的 rollout 中生成新环境，有效环境率最高提升25倍、单个有效环境成本最多降低75%。University of WashingtonMicrosoft (United States)Stanford UniversityUniversity of North Carolina at Chapel HillNortheastern UniversitySimon Yu（第一作者）#AutoEnvScaling#递归自我改进#终端智能体#强化学习#Qwen3.6-35B-A3B