腾讯Hy等发布Terminal-RSI:递归自我改写让27B模型终端任务成功率翻倍
Dr_Singularity · x · 2026-11-09
- 腾讯 Hy Frontier 联合新加坡国立大学、马里兰大学等发布论文 Terminal-RSI,提出通过「递归自我改写(RSR)+ 策略精炼(RPR)」交替循环让终端 agent 递归自我改进：将验证通过的解题轨迹重写为更通用策略，再由继承 critic 的精炼阶段固化行为。
- 技术要点包括：Turn-Boundary Skip-Observation GAE、家族级密集奖励(FDR)校准语义进度、成功优先奖励(SPR)区分严格成功与部分得分、Warm-up Critic 与阶段性学习率协调两阶段训练。
- 基于 Qwen3.8-27B(应为 Qwen3-27B 系)的五阶段流程后，Terminal-RSI-27B 在 Terminal-Bench 4.0 达 19.84%、Terminal-Bench 3.0 达 16.95%、Terminal-Bench 2.1 达 86.52%、Terminal-Bench Hard 达 79.00%;四个基准平均成功率从 20.68% 升至 50.58%。长时程任务 LHTB 严格完成从 0/46 提升到 5/46,SWR100 成功率从 3% 翻倍到 6%。
所属事件:腾讯等发布 Terminal-RSI：递归自我改写令终端任务成功率翻倍(3 条相关)→
「编程与Agent」频道最新
- 飞机上 App Store 被墙,Claude 定位被屏蔽服务器隧道救场 — ShakeelHashim · 2026-11-09
- 本地跑 35 个 agent 仓库：路径不写绝对路径，launchd 会调起过期副本 — petrusenko_max · 2026-11-09
- 开发者用 Claude 快速搓出拖拽框选读取 UI 元素的开源小工具 — jasonkneen · 2026-11-09
- Mac AI 浏览器 Facet 发布：触控优先，Claude Code 与 Codex 直接住进侧边栏 — dean_rie · 2026-11-09
- React Server Components 曝未认证 RCE 严重漏洞,官方紧急发布修复版本 — DanielLockyer · 2026-11-09
- David Sacks 解读 Salesforce 拥抱 Claude：SaaS 正沦为 Agent 的数据库 — 2C_ornot2C · 2026-11-09