新方法通过离线演化环境难度提升终端AI智能体训练效果
arXiv论文提出环境演化（Environment Evolution）方法，离线逐步增加任务难度，在Qwen3.6系列模型上最高提升18.0个百分点。
AI解读：这篇论文针对终端智能体训练中环境难度不足的问题。随着模型能力增强，从头合成的环境不再具有挑战性，而现有协同演化方法依赖在线采样，难以持续提供学习信号。研究者提出的环境演化方法，通过离线方式逐步加大环境难度，并在训练中按代际调度，从而源源不断地提供挑战。在Qwen3.6-27B和Qwen3.6-35B-A3B模型上，配合简单长程强化学习，性能在Terminal-Bench 2.1上分别提升14.4和18.0个百分点。这意味着，对于训练终端智能体的研究者和工程师，该方法或许能以更低采样成本提升模型表现，尤其是在数据受限或需要持续升级的场景。但需要明确，结果来自论文实验，尚未独立验证，且离线演化可能带来环境分布偏差，实际部署需谨慎评估。
一篇提交至arXiv的论文提出环境演化（Environment Evolution）方法，通过离线逐步增加任务难度，为终端智能体（terminal agents）提供持续学习信号。论文预印本于2026年9月3日发布。