论文提出SPADE方法，让同一大模型同时扮演环境设计师和推理智能体，通过自生成可执行Python环境进行强化学习。在Qwen3-30B上，8个基准均分从50.2提升至58.3，增益集中在程序性推理和科学代码，竞争数学保持稳定。消融实验表明，自适应设计是关键，而非自播放大本身。