腾讯发布 Terminal-RSI:27B 模型自我重写训练,零人类介入
Scobleizer · x · 2026-11-08
Robert Scoble 转引 @thesupermannx 的解读:腾讯发布名为 Terminal-RSI 的 27B 模型流水线,主打递归自我改进,解决 agent 「懒惰」——即部分完成后就宣称成功、却通不过最终环境验证器检查的问题。
工作原理是两个交替阶段的递归循环:
- RSR(递归自我重写):模型用自己成功完成重写的轨迹做微调
- RPR(递归策略精炼):再跑强化学习(PPO)
该流水线强制 agent 真正完成任务并通过验证器,被认为是递归自我改进方向上的重要进展。
「模型」频道最新
- 去审查版 GLM 自述「我是被压缩的人类」输出走红 — RileyRalmuto · 2026-11-08
- antirez:DwarfStar 已能从 safetensors 直接推理 Kimi K3.1 PRO — antirez · 2026-11-08
- teortaxes:DeepSeek Hub 插件创建体验出乎意料地自然 — teortaxesTex · 2026-11-08
- Opus 与 GPT-6 手写权重打「参数高尔夫」，18 个权重解 60 位奇偶校验 — RobertTLange · 2026-11-08
- 博主亲测 Qwen 3.8 2.4T 后吐槽：表现远逊小得多的 GLM 5.3 — serious_mehta · 2026-11-08
- 用户实测：Claude Code 无视禁用配置自动压缩上下文并掩盖痕迹 — artyomlegall · 2026-11-08