腾讯混元论文提升终端Agent操作表现 · 话题榜 · TwKit
AI科技 · 1 帖 · 1 位作者 · 曝光 46465
一条推文称腾讯混元论文通过四步训练提升终端Agent能力，列出Qwen3.8-27B在相关测试中的成绩变化。
- 整理腾讯混元Terminus Agent论文与性能数据
- 解释四步训练流程如何提升小模型终端操作能力
- 比较论文基准成绩与真实设备任务表现
- 讨论开源模型在手机和桌面自动化中的机会
@NFT_Chen
🤯RSI突破！腾讯AI混元四步炼出终端Agent神器，Qwen3.8-27B性能直接从51.7%提升至86.5%，小模型硬刚一线！ 腾讯混元最新论文Terminal-RSI正式开源递归自我改进（RSI）打法：交替两轮“成功轨迹自重写 + 策略精炼”，让27B模型在终端任务上实现质变。 要点速览： 🔹方法极简却狠：Base → RSR-1（验证成功轨迹Recursive Self-Rewrite做SFT）→ RPR-1（继承critic的RL精炼）→ RSR-2 → RPR-2，两轮闭环，前一轮模型直接生成下一轮训练数据。 🔹成绩炸裂：Terminal-Bench 2.1从51.70%飙到86.52%（+34.82pp）；TB 4.0从0%→19.84%；TB Hard达79%；多基准平均大幅跃升约30个百分点。 🔹长程也破防：Long-Horizon Terminal-Bench process reward 0.21→0.37，严格完成0/46→5/46；SWR100成功率直接翻倍。 🔹技术硬核：验证轨迹重写 + critic权重继承校准 + TB-GAE信用分配 + Success-Prioritized Reward，把“部分进展”真正转化为“严格验证通过”。 🔹意义拉满：延续T1/RSR系列，证明RSI在终端Agent上可稳定爬坡，27B小模型就能冲到86%+水平，逼近甚至超越部分更大模型。 查看论文：https://arxiv.org/abs/2610.22192 这不是概念炒作，是真正把验证过的成功经验反复炼成能力，终端Agent又要卷起来了！ #RSI #递归自我改进 #腾讯混元 #Qwen #TerminalBench #AIAgent #大模型 #TerminalRSI #AgentRL #混元AI
查看原帖