腾讯论文提出终端智能体递归自我改进方法

2026年10月18日，有报道称腾讯发表一篇论文，提出面向终端智能体的递归自我改进方法。该方法以 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。报道称，该方法使 Terminal-Bench 均分从 20.68% 升至 50.58%。目前该事件仅有这一篇报道，尚无后续进展或不同说法。

AI 根据报道生成 · 40 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。