reinforcement-self-improvement

标签

Cards List
#reinforcement-self-improvement

扩展智能体数据,赋能长程终端智能

arXiv cs.CL ↗ · 5天前 缓存

该论文介绍了 TerminalHorizon,这是一种自动化数据合成引擎,通过围绕真实世界的专业任务重建环境,生成长程终端智能体轨迹,随后对 Qwen3.5-27B 进行微调,得到 TerminalHorizon-27B,在 12 项编程、智能体和推理基准测试中均取得提升。

0 人收藏 0 人点赞
← 返回首页

提交意见反馈