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:腾讯混元推RST框架低成本构建长程任务(2 条相关)→
「编程与Agent」频道最新
- 开源记忆工具daimon：为编码Agent标记每条记忆为引用、推断或未验证，遗忘即删除 — Sea-Perception1619 · 2026-08-07
- 开源浏览器端 3D 机器人模型查看器：支持 URDF/MuJoCo — tom_doerr · 2026-08-07
- 开发者自建工具检测AI Agent决策漂移，CI构建前拦截错误决策 — Original_Iron7191 · 2026-08-07
- 小企业主求AI自动化建议：订单处理、邮件回复、社媒分析全想交给Agent — Low_Barber3002 · 2026-08-07
- 开源本地 MCP 代理 ShadowPaste：保护 .env 密钥免遭 AI 窥探 — shadowpaste · 2026-08-07
- 痛点吐槽：现在的 AI Agent 连找个好航班并订票都做不好 — braelyn_ai · 2026-08-07