腾讯RST：递归合成终端任务数据，成本降至0.05美元/任务

Tencent-Hunyuan · hf · 2026-08-07

腾讯混元提出递归合成终端任务（RST）框架，用于大规模构建长时程终端智能体任务。从已验证种子任务开始，扩展参考解决方案、重新对齐验证器和指令、在沙箱中验证，并将接受的任务作为后续种子。经过15轮递归，生成37,484个任务，每个约0.05美元。任务难度显著增加：参考解决方案中位数从67行增至374行，执行命令中位数从40增至244，DeepSeek-V4-Pro pass@4从90%降至2.5%。微调Qwen3.5模型在Terminal-Bench等基准上提升最多10分，agentic PPO带来相对提升20-41%。递归未显示上限。