北京
训练AI智能体，通常需要人类精心设计环境和任务。但一个名为SPADE的新框架，试图把这件事也交给智能体自己。
SPADE的全称是“自适应合成可执行环境中的自对弈”（Self-Play in Adaptive Synthetic Executable Environments）。核心思路很直接：环境和任务都由智能体自己生成，并且不断自我改进。这意味着智能体不再只是在一个固定环境里学习，而是能主动创造新的挑战来训练自己。
环境与任务，都由智能体自己说了算
传统强化学习流程里，环境是固定的，智能体只能在给定的规则里找最优解。SPADE把这一层也打开了——智能体在训练过程中，会持续生成新的环境与任务，相当于自己给自己出题、自己解题。
这种做法的价值在于，它让训练数据不再依赖人工标注或预设场景。智能体可以在探索中不断发现自己的薄弱环节，然后针对性地生成更难的训练环境来补足。训练什么、怎么训练，这些决策逐渐从人类手里移交给了智能体本身。
用遗憾值训练环境生成器
环境生成器怎么知道该生成什么样的环境？SPADE采用了一种基于“遗憾值”（regret）的机制。简单说，如果智能体在某个任务上表现不佳，这个任务就会被标记为“遗憾”较高的样本，环境生成器会据此调整，生成更能暴露智能体短板的新任务。
研究团队还引入了带提示（hints）和不带提示两种训练模式。带提示的模式下，环境生成器会获得额外的引导信息，帮助它更高效地找到有价值的训练任务；不带提示的模式则更考验生成器自身的探索能力。两种模式结合，让环境生成器既能快速收敛，又不会过早陷入局部最优。
迈向递归自我改进的关键一步
这项工作的背景是“递归自我改进”（Recursive Self-Improvement，RSI）——即AI系统能自己改进自己的算法、数据和训练策略，形成持续进化的闭环。研究团队在发布时特别强调：“随着我们迈向RSI，决定学什么将成为最重要的问题。”
这句话点出了SPADE的定位：在RSI的路径上，数据选择和环境设计的自动化是绕不开的关卡。SPADE提供了一个具体的技术方案，让智能体在“学什么”这件事上拥有更多自主权。
通用智能体的自对弈
SPADE被定位为“通用智能体”（general agents）的自对弈框架，不局限于特定领域。理论上，无论是游戏、机器人控制还是其他决策任务，只要环境可以被形式化描述，SPADE就能让智能体在自我生成的环境中持续迭代。
当然，这套框架目前仍处于早期发布阶段，实际效果还需要更多实验验证。但它指向的方向很明确：未来的智能体训练，可能不再需要人类事无巨细地设计每一个训练场景——智能体自己就能找到最需要练习的地方。
当“学什么”这个问题被交给智能体自己回答，AI进化的速度可能会超出我们的预期。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
