腾讯 Terminal-RSI 论文:终端智能体五阶段自进化,Terminal-Bench 均值 20.7% 升至 50.6%
omarsar0 · x · 2026-10-18
腾讯 Hybrid Frontier 团队发布 Terminal-RSI 论文,探索终端智能体的递归自我改进训练,对追踪用 RL 训练编码/终端智能体的研究者很有参考价值。
方法:从 Qwen3.8-27B 出发,五个阶段交替两个相位——一个用通过验证器的轨迹重写版本做微调(RSR),另一个用继承自上一阶段的 critic 跑 PPO(RPR),并引入 TB-GAE、Family Dense Reward、Success-Prized Reward 等机制。
结果:四套 Terminal-Bench 平均从 20.68% 提到 50.58%,Terminal-Bench 2.1 达 86.52%,Hard 达 79.00%;LHTB 严格完成从 0/46 提到 5/46,SWR100 从 3% 翻倍到 6%。
奖励审计同样有价值:在稠密进度奖励下,失败运行拿走了 50.09% 的奖励,48 个失败案例通过了所有执行检查却仍错失最终测试;把严格成功与部分得分分离后,该比例降到 28.72%。
所属事件:腾讯发布 Terminal-RSI：终端智能体递归自我改进(3 条相关)→
「编程与Agent」频道最新
- 自动化静默失败频发,从业者分享 7 条防翻车检查清单 — shannonpieter · 2026-10-18
- Claude 智能体包办 3D 木偶喜剧:写剧本搭引擎自己当导演 — Slackluster · 2026-10-18
- AgentCave：把散落各地的 Mac Studio 与 GPU 箱塞进一个虚拟机房 — noahsolomon · 2026-10-18
- 用 LLM 维护 OpenAPI 规范？工程师反思完美主义不是成功前提 — charliermarsh · 2026-10-18
- 用户喊话 Anthropic：别开新会话，一个聊天窗记住全部历史 — khademinori · 2026-10-18
- 打给你的 MCP:电话保持通话、双向对话、支持 90 多种语言 — radressss · 2026-10-18