逆向构建长程任务：15轮迭代生成3.7万任务，成本仅0.05美元
teortaxesTex · x · 2026-08-07
构建可解且廉价的长程终端任务极具挑战，研究者提出一种逆向生成方法：先编写并运行参考解决方案及其运行时环境，再据此拟合验证器和任务描述。任务天然可解且自带奖励信号，通过验证的任务作为下一轮种子。
该方法经过 15 轮递归迭代，生成了 37,484 个验证通过的长程任务，单任务成本仅 0.05 美元。测试中，DeepSeek-V4-Pro 的 pass@4 通过率从第 1 轮的 90% 骤降至第 2.5%（第 15 轮），且任务轨迹长达 100 步以上，难度急剧上升但生成系统保持稳定。
使用该数据集进行 PPO 训练后，Qwen3.5-27B 在 TB2 基准上的成绩从 41.2 提升至 49.4。论文、数据、轨迹和模型均已开源。
所属事件:腾讯提出RST框架：低成本逆向生成数万终端智能体任务(3 条相关)→
「编程与Agent」频道最新
- 用数学模式与 Gemini 智能体在 Antigravity CLI 里作曲的玩法实验 — fofrAI · 2026-10-16
- 去掉框架手写 Agent 循环：LangGraph 到底帮你做了什么 — m3m3o · 2026-10-16
- 博主称免费版用户已严重低估 10 个月来 AI Agent 的进步 — realmeetjames · 2026-10-16
- Google 开源 AX:像 Kubernetes 一样编排数十亿 Agent 任务 — thisdudelikesAI · 2026-10-16
- 腾讯混元开源 Hy Memory 2.0:模型+框架+MemHub 三件套管 Agent 记忆 — TencentHunyuan · 2026-10-16
- ERP•AI 推出按机器计费的企业软件:0 美元席位, $1 可跑 4000 次记录写入 — rohanpaul_ai · 2026-10-16