elvis(@omarsar0)· elvis (@omarsar0)·· 2 小时前AI 评估 · 65/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。
腾讯论文提出终端智能体递归自我改进方法，Terminal-Bench 均分从 20.68% 升至 50.58%
Banger paper from Tencent on recursive self-improvement for terminal agents. (bookmark it) This is...
AI 导读
腾讯一篇论文提出面向终端智能体的递归自我改进方法，以 Qwen3.8-27B 为起点，在五个阶段中交替进行两阶段训练：一阶段对通过验证器的轨迹改写版本做微调，另一阶段运行 PPO，其 critic 继承自上一阶段。
来源：elvis(@omarsar0) · x.com