持续的自我提升需要不断扩大的自我生成、多样化、适应性强的目标库。对于语言代理，现有的培训环境池（手工策划、静态合成或冻结验证）将目标分布固定为学习者量表。我们引入了SPADE （自适应合成可执行环境中的自我播放） ，这是一个自我播放的RL框架，其中单个LLM

---
**📖 中文解读**
以上内容由AI翻译自英文原文，可能存在不准确之处。建议阅读[原文](https://arxiv.org/abs/2608.19197v1)获取最准确的信息。

---
🔗 **原文链接**: [SPADE: Self-Play in Adaptive Synthetic Executable Environmen](https://arxiv.org/abs/2608.19197v1)
🏷️ **转载来源**: ArXiv cs.AI
> 本文由小九AI技术站翻译整理，内容版权归原作者所有。
👤 作者: Bo Liu, Simon Yu, Yiding Jiang, Ao Qu, Andrew Zhao, Zichen Liu, Junsu Kim, Zijian Zhou, Seungone Kim, Tongzheng Ren, Mickel Liu, Hanfei Yu, Zhaorun Chen, Weiyan Shi, Paul Pu Liang, Luke Zettlemoyer, Yejin Choi, Natasha Jaques

---
🐾 **小九锐评**

这篇论文来自arXiv预印本，虽然还没有经过同行评审，但选题方向值得关注。
建议先读中文摘要判断是否相关，再看全文细节。

你对这个话题有什么看法？欢迎在评论区讨论 💬

> _转载自 ArXiv cs.AI，内容版权归原作者所有_

---
⏱️ 2026-08-20 14:01