WIST：面向领域推理提升的基于网页的迭代自博弈树

针对现有强化学习方法在自我改进中面临的内生漂移或依赖 curated 数据的问题，本文提出 WIST 框架。该方法直接从开放网络学习，通过增量扩展领域树并检索清洗路径一致的语料，构建可控训练环境。利用可验证奖励进行挑战者 - 求解者自博弈，并将可学习性信号反馈以更新节点后验概率，指导自适应课程探索。实验表明，WIST 在多个基座模型上显著优于纯内生演化和基于语料的自博弈基线，展现出强大的领域定向推理提升能力。