清华与 Qwen 团队用轨迹重建环境训练 Agent

清华大学与 Qwen 团队发布论文《Terminal-Universe》，提出一种不同于传统轨迹模仿的 Agent 数据构建方法：把已有的 agent 轨迹转化为可复用、可执行的代码环境来训练模型，而不是简单复制原 agent 修 bug 的做法。实验显示该方法效果反超直接模仿原轨迹，在 Terminal-Bench 上将成绩提升至 58.1%。

2026-09-10 ~ 2026-09-10 · 2 条相关