AdvRole交替训练角色智能体和场景改写器，使训练难例随策略能力持续演化。
推荐理由：固定场景池会在策略提升后迅速失去训练价值；让对手持续改写智能体当前薄弱的情境，等于把角色扮演强化学习变成闭环难度课程。
阅读原文