Terminal-RSI 论文:递归自我改进让 27B 模型 Terminal-Bench 成功率 51.7%→86.5%
yifeiwang77 · x · 2026-10-17
论文 Terminal-RSI(arXiv:2610.22192)研究智能体的递归自我改进循环:用已验证的成功轨迹做 Recursive Self-Rewrite(RSR),再通过继承 critic 的 Recursive Policy-Refine(RPR)迭代训练下一代,两轮循环后 27B 模型性能大幅提升:
- Terminal-Bench 2.1 成功率 51.7% → 86.5%
- Terminal-Bench 4.0 成功率 0.0% → 19.8%(新 SOTA)
- Terminal-Bench 3.0 16.95%、Terminal-Bench Hard 79.00%
- LHTB 上过程奖励 0.21→0.37,严格完成从 0/46 升至 5/46
技术要点包括 TB-GAE(跨回合衰减保留 token 级 baseline)、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 Warm-up Critic 和递归 critic 交接。作者关心这种爬山式自我改进能走多远、在哪里停滞。
所属事件:腾讯等发布 Terminal-RSI：终端智能体递归自我改进大幅提升成功率(2 条相关)→
「编程与Agent」频道最新
- 开发者分享多智能体实战编排：2-3 主导+海量任务子代理 — MoonL88537 · 2026-10-17
- 程序员给 AI Agent 配闹钟工具,通宵跑任务能叫醒自己 — zack_overflow · 2026-10-17
- 开发者分享多智能体实战经验：2-3 个主控带大量子代理 — MoonL88537 · 2026-10-17
- OpenAI 推出 Codex 硬件项目社区站,用 Codex 造出掌机游戏 — OpenAIDevs · 2026-10-17
- Claude 团队工程师：终端里并行跑 5 个 Claude，一年内成日常 — adonis_singh · 2026-10-17
- AI 审计 AI 成新生意，谁来审查审查者？ — CrashTestingAI · 2026-10-17