Terminal-RSI：可递归自我改进的终端智能体
AI 总结
一篇 arXiv 预印本提出 Terminal-RSI，交替进行“递归自改写”（RSR，对已验证轨迹进行重写）与“继承评论者的递归策略精炼”（RPR），并引入 Turn-Boundary Skip-Observation GAE、Family Dense Reward 和 Success-Prioritized Reward 等机制，配合预热评论者模型、递归评论者交接与分阶段学习率。作者称，从 Qwen3.8-27B 基座出发经 RSR-1、RPR-1、RSR-2、RPR-2 五阶段训练得到 Terminal-RSI-27B，在 Terminal-Bench 4.0 上得 19.84%、Terminal-Bench 2.1 上 86.52%、Terminal-Bench 3.0 上 16.95%、Terminal-Bench Hard 上 79.00%；在 LHTB 上过程奖励由 0.21 升至 0.37、严格完成数由 0/46 增至 5/46，SWR100 成功率由 3.00% 翻倍至 6.00%。论文称该方法让智能体从局部修补逐步走向严格的终端验证，但上述数据均为作者自述，尚未见独立复现。
深度见解
它尝试把终端智能体的验证信号转化为可累积的自我改进循环，为提升命令行任务完成率提供了一条可参考的技术路线。