微软与斯坦福发布 AutoEnvScaling：终端 Agent 自动构建 RL 环境，效率狂飙 25 倍迈向 RSI 自进化

核心背景与行业痛点

在软件工程、云原生运维与前沿科学计算中，终端智能体（Terminal Agents）通过在命令行 Shell 中执行命令来解决现实世界的复杂工程挑战。然而，利用强化学习（RL）训练终端智能体严重受阻于高质量、可验证交互环境的稀缺。目前绝大多数模拟环境仍由人类研究人员手工编写与配置，环境供给速度完全受限于人类的生产力瓶颈。简单的 Prompt 提示生成环境又往往存在依赖缺失、配置崩溃或判定逻辑无法验证等致命问题，导致自动生成的环境可用率极低，阻碍了智能体数据飞轮的转动。

架构亮点与底层机制

为攻克环境供给侧危机，微软研究院（MSR）与斯坦福大学团队推出了 AutoEnvScaling——彻底将“交互环境的设计”本身抽象为一个在终端中执行的 Agent 任务：

1. 提案者与求解者协同飞轮（Proposer-Solver Flywheel）：提案智能体（Proposer Agent）根据正在训练的求解智能体（Solver）的实际 Rollout 轨迹动态构建全新的强化学习沙箱环境；求解器在新环境中产生的新交互记录反过来指导下一轮环境扩展；
2. 终端化执行构建而非纯文本生成：提案智能体在真实终端中安装依赖、构建文件系统并运行测试用例，从根本上确保了生成环境的自洽性。相比纯 Prompt 生成，环境有效构建率激增高达 25 倍，单环境创建成本暴降 75%；
3. 通向真正的递归自我提升（RSI）：由于环境生成与环境求解被统一建模为终端任务，同一个基座大模型可同时扮演提出者与求解者双重角色，形成自封闭的共同演进（Co-evolution）回路。

权威 Benchmark 与实测跑分对比

在严苛的权威终端评测基准 Terminal-Bench 上的实测数据验证了这一范式的巨大威力：

• Terminal-Bench 2.1 性能狂飙：利用开源基模 Qwen3.6-35B-A3B 同时扮演双重角色进行自驱动训练，模型在 Terminal-Bench 2.1 上的实测得分大幅提升了 12.2 个百分点；
• Terminal-Bench 4.0 跑分翻倍：在难度极其严苛、涉及高阶系统调用的 Terminal-Bench 4.0 上，得分从 1.6 翻倍至 3.2，展现出强大的高难度任务泛化力；
• 跨领域通用适应力：AutoEnvScaling 展现出卓越的领域迁移性，成功自主合成了覆盖软件工程重构、跨平台计算机操作（Computer Use）、专业企业办公以及超算 GPU Kernel 编程等多个前沿垂直领域的复杂沙箱环境。

开发者实战落地与开箱指南

AutoEnvScaling 为正在探索自治编程 Agent 与自我演进系统的开发者提供了革命性范式：

• 论文系统研读：详细的双角色状态机与环境验证协议可参阅预印本（arXiv:2610.14163）；
• 构建端到端自动演进管线：建议正在训练代码与运维 Agent 的工程团队将“测试环境生成”包装为标准 Bash/Docker 终端任务，利用 Agent 自主调用 apt/pip/gcc 配置沙箱，彻底替代人工构建测试集；
• 落地 GPU 核函数与系统优化：可将 AutoEnvScaling 思想引入 CUDA/Triton 算子优化场景，让 Agent 自主搭建不同 GPU 架构的编译与性能验证基准，加速硬件感知代码生成。