From Trainee to Trainer: LLM-Designed Training Environment for RL with Multi-Agent Reasoning

En 3 lignesFramework LLM-as-Environment-Engineer : le modèle de politique analyse ses trajectoires d'échec et propose des modifications à la configuration d'entraînement RL pour l'étape suivante. Testbed MAPF-FrozenLake avec configurations multi-dimensionnelles. Qwen3-4B surpasse GPT et Gemini sur les benchmarks proposés.

Résumé généré par Claude — vérifié par l'humain