终端智能体环境演化方法研究

该研究提出环境演化方法，通过离线增加环境难度，在训练过程中持续提供学习信号。研究团队从多轮学习目标中推导出三种影响环境难度的演化方向，并通过循环工程多智能体工具实现。在Hy4预览版、Claude Opus 5和GPT-5.6 Sol的定量滚动实验中，环境演化方法 consistently 生成更具挑战性的环境。在Qwen3.6-27B和Qwen3.6-35B-A3B的简单长程强化学习训练中，该方法使它们在Terminal-Bench 2.1上的性能分别提升了14.4和18.0个百分点。