单任务成本仅 5 美分，递归合成破解智能体训练数据瓶颈

burny_tech · x · 2026-08-14

论文《Recursive Synthesis for Long-Horizon Terminal Tasks》提出了一种名为 RST 的递归验证合成框架，旨在解决终端智能体高质量长周期训练数据成本高昂的问题。

核心机制：从少量经验证的种子任务出发，通过扩展参考解决方案、重新对齐验证器与指令、在全新沙箱中验证结果，并将通过的任务作为下一轮的种子，从而实现任务的递归生成。
数据规模与成本：经过 15 轮递归，从 639 个种子任务生成了 37,484 个任务，平均成本仅约 $0.05/个。任务难度随轮次显著增加（参考方案代码行数中位数从 67 增至 374 行）。
训练效果：使用这些合成任务对 Qwen3.5 进行微调，在 Terminal-Bench 2 等多个基准上性能提升高达 10 个百分点；结合 agentic PPO 训练后，相对基础模型增益达 20%41%。
潜力：15 轮后递归未见天花板，合成产率与验证率持续稳定。

「编程与Agent」频道最新