腾讯混合边界团队推 Terminal-RSI:终端智能体递归自我改进，Terminal-Bench 4.0 达 19.84%
tencent · hf · 2026-10-16
Tencent Hy Frontier 联合 NUS、马里兰大学等发布 Terminal-RSI，让终端智能体从部分进展走向严格验证的递归自我改进框架：交替进行已验证轨迹的递归自重写（RSR）与继承 critic 的递归策略精炼（RPR），配套 TB-GAE（Turn-Boundary Skip-Observation GAE，跨交互轮衰减但保留 token 级基线）、Family Dense Reward（跨任务族校准语义进度）、Success-Prioritized Reward（区分严格成功与部分得分），以及预热 critic 模型和阶段化学习率。从 Qwen3-8-27B 基座出发经 RSR-1、RPR-1、RSR-2、RPR-2 五阶段训练得到 Terminal-RSI-27B：Terminal-Bench 4.0 得 19.84%、Terminal-Bench 2.1 得 86.52%、3.0 得 16.95%、Hard 得 79.00%；LHTB 上过程奖励从 0.21 升至 0.37，严格完成从 0/46 升至 5/46。
「编程与Agent」频道最新
- 产品要做「两次销售」：先让 Agent 选中，再让人买单 — FinanceYF5 · 2026-10-16
- Sentry CEO 晒图：AI 实习生在 code review 里反驳人类同事 — zeeg · 2026-10-16
- SWE-Duel:让编码 agent 互相出题埋 bug 的抗污染竞技场 — Consistent_Fox_2990 · 2026-10-16
- 把 Claude Code 等 agent 轨迹攒成数据集，微调开源小模型 — Rasmic · 2026-10-16
- LangChain 工程师：仅靠生产 traces 自动生成 evals 远远不够 — BraceSproul · 2026-10-16
- Rebasely 公测：为人和 Agent 共写代码打造的新 Git 托管 — handotdev · 2026-10-16