腾讯开源 Terminal-RSI：27B 小模型终端任务从 51.7% 提升至 86.5%
GabGarrett · x · 2026-10-19
腾讯混元团队发布并开源 Terminal-RSI 论文，提出递归自我改进（RSI）方法，让基于 Qwen3.8-27B 的终端 Agent 性能大幅跃升。
方法：交替进行「验证成功轨迹递归自重写（RSR）」与「critic 权重继承的策略精炼（RPR）」，共 Base→RSR-1→RPR-1→RSR-2→RPR-2 五阶段闭环，前一轮模型直接生成下一轮训练数据；配合 TB-GAE 跨轮次信用分配、Family Dense Reward 与 Success-Prioritized Reward，把部分进展转化为严格验证通过。
成绩：
- Terminal-Bench 2.1：51.70% → 86.52%（+34.82pp）
- Terminal-Bench 4.0：0% → 19.84%
- Terminal-Bench Hard：79.00%
- 长程任务 LHTB process reward 0.21→0.37，严格完成 0/46→5/46；SWR100 成功率翻倍至 6.00%
论文证明递归自我改进可在终端 Agent 上稳定爬坡，27B 小模型即可逼近甚至超越部分更大模型。
「编程与Agent」频道最新
- Go 桌面应用框架 MyGo 发布:纯 Go 原生 UI,单二进制仅 7MB — dotey · 2026-10-19
- MOSS-Image 生态周报：Spectrum 加速 12 步 30 秒出图、多款 ComfyUI 节点与 LoRA — optimisticalish · 2026-10-19
- 纯 AI 产出 44 秒宣传片:一条角色设定图跑通全流程 — azed_ai · 2026-10-19
- 用 Claude Code 五步搭建你自己的算法交易分析器 — mdancho84 · 2026-10-19
- 验证 MCP 漏掉 9000mg/日用药错误，开发者公开征集对抗测试者 — Practical_Green5775 · 2026-10-19
- 团队发布印度首个股票研究 MCP，覆盖 5600+ 只 NSE/BSE 证券 — viewmind · 2026-10-19