**从受训者到训练师：LLM 为多智能体推理设计强化学习训练环境**

_From Trainee to Trainer: LLM-Designed Training Environment for RL with Multi-Agent Reasoning_

> 提出 LLM-as-Environment-Engineer 框架，让当前策略模型分析失败轨迹并自动调整下一阶段训练环境配置。在 MAPF-FrozenLake 测试中，基于 Qwen3-4B 的框架综合表现优于 GPT 等大型商业模型与固定环境基线；研究还发现，RL 检查点比基座模型更擅长诊断自身弱点。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-18 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.17682)