@HuggingPapers：Recursive Self-Rewrite 在复杂任务上扩展模型能力——单一基础模型（Qwen-3.8-27B）发现解法……
摘要
HuggingPapers 介绍了一篇关于 Recursive Self-Rewrite 的研究：单一基础模型 Qwen-3.8-27B 在多种 harness 下发现解法并将其改写为可复用的训练轨迹，使 Terminal-Bench 2 的 Pass@3 从 57.0% 提升到 74.2%。
查看缓存全文
缓存时间: 2026/10/06 15:49
递归自我重写（Recursive Self-Rewrite）在复杂任务上提升了模型能力
单一基础模型（Qwen-3.8-27B）能够在多种不同的执行框架（harness）中发现解法，然后在通用框架下将这些解法重写为可复用的训练轨迹（training trajectories）。在 Terminal-Bench 2 上，Pass@3 从 57.0% 跃升至 74.2%。https://t.co/lbtTF5P6YC
相似文章
通过递归自我重写扩展复杂任务的训练轨迹
论文提出了 Recursive Self-Rewrite（RSR）框架，该框架利用单一基础模型（Qwen-3.8-27B）在多种 harness 下发现成功解，并通过 planner-critic-executor 循环将其在通用 harness 下重构为训练轨迹，在监督微调后，terminal-bench 任务上的 pass@3 得到了显著提升。
面向科学领域的终端环境自监督扩展
提出软件在环重构（software-in-the-loop reconstruction）的自监督框架，从现有科学软件工作流中自动生成可执行的参考行为与验证目标，用于训练终端智能体；使用 Qwen3.8-Max 生成训练数据并对 Qwen3.8-27B 微调，使 Terminal-Bench 2 平均性能从 47.94% 提升至 53.56%。
Terminal-RSI：通过递归自我重写与策略优化实现递归自我改进的终端智能体
Terminal-RSI 提出通过递归轨迹重写（RSR）与继承批评器的策略精炼（RPR）交替进行，使终端代理从部分进展推进到严格验证，并在 Terminal-Bench 多项基准上取得显著成绩，发布了 Terminal-RSI-27B 模型。
@Yucheng__Shi：我们用一个智能体帮助训练出更强的后继者，然后用这个后继者帮助训练下一个。我们的新论文……
腾讯 Hy Frontier 与学术合作者提出 Terminal-RSI，一个面向终端智能体的递归自我改进循环，交替进行经验证轨迹改写与继承批评器的策略优化，将 27B 模型在 Terminal-Bench 2.1 上的成功率从 51.7% 提升至 86.5%，并在 Terminal-Bench 4.0 上以 19.8% 达到新的 SOTA。
@omarsar0：腾讯出了一篇关于终端智能体递归自我改进的精彩论文。（收藏一下）如果你……这绝对是一篇值得一读的好文章
腾讯等机构联合发表 Terminal-RSI 论文，通过交替进行轨迹重写（RSR）与批评家继承式策略优化（RPR），将基于 Qwen3.8-27B 的终端智能体在 Terminal-Bench 系列基准上的平均成绩从 20.68% 提升至 50.58%，并展示了奖励设计审计对区分严格成功与部分奖励的重要性。