SPADE：在自适应合成可执行环境中的自博弈框架

SPADE 是一个自博弈强化学习框架，让单个 LLM 同时扮演环境设计者和推理智能体，环境设计者以可执行代码形式编写带 reset()/step() 接口的长时程训练环境。扩展到 30B 参数模型时，SPADE 在八个数学、科学、代码与推理基准上平均超过最强固定环境基线 +5.3，BFCL-v4 多轮提升 +5.7，ACEBench-Agent 提升 +13.9。