腾讯 Terminal-RSI 自我改进智能体：两轮迭代成功率 20.68% 升至 50.58%
mark_k · x · 2026-11-09
腾讯 Hy 团队发布 Terminal-RSI 论文，展示了一条「递归自我改进」的具体路径：让基于 Qwen3-30B 的智能体执行真实终端任务，把通过验证的运行轨迹改写成可复现的演示，再用强化学习精炼策略，然后把更强的智能体放回去生成下一轮训练样本。
论文提出递归自重写（RSR）与策略精炼（RPR）交替的框架，配合 TB-GAE、家族密集奖励（FDR）、成功优先奖励（SPR）和热身课程模型。五个阶段（Base → RSR-1/RPR-1 → RSR-2/RPR-2）后的结果：
- 四个终端基准平均成功率从 20.68% 升至 50.58%
- Terminal-Bench 4.0：0 → 19.84%
- Terminal-Bench Hard：0.21 → 0.37，LHTB 严格完成任务从 0/46 → 5/46
- Terminal-Bench 2.1 达 86.52%
作者指出大部分最难的进步还在前面，关键观察点是下一轮迭代中更强的智能体能否持续发现更优的训练样例。
所属事件:腾讯Terminal-RSI：递归自我改写让27B终端任务成功率翻倍(4 条相关)→
「编程与Agent」频道最新
- Agent 信任边界像给院子围栅栏：圈内人热捧的类比 — manosaie · 2026-11-09
- 一张图讲透 Claude Code 项目结构:各配置文件何时加载 — alex_verem · 2026-11-09
- AWS 案例：用 DSPy RLM 把 Slack 历史挖成 IT 帮助台知识库 — lateinteraction · 2026-11-09
- 麦肯锡 2026 展望：多步 Agent 耗费 5-30 倍 token — ingliguori · 2026-11-09
- Apple 官方把 Xcode 装进 Claude Code，配套 AI 找品做 iOS 应用全流程 — udmrzn · 2026-11-09
- 聋人开发者造 Signal Dog:AI 帮听敲门声与家电警报 — Scobleizer · 2026-11-09