10 月 15 日，腾讯混元前沿研究小组联合海外多所高校，对外发布智能体领域一项研究进展。在首席 AI 科学家姚顺雨的带领下，团队选取通义千问开源 Qwen3.8-27B 作为基座模型，搭建适配终端智能体的递归训练架构 Terminal-RSI。

这套架构的设计思路，旨在引导智能体学习过往成功交互样本，借助强化学习不断迭代决策逻辑。完整训练流程包含五个迭代周期，交替启用递归自我重写、递归策略精炼两大核心模块，最终产出 Terminal-RSI-27B 模型。

研究采用六组评测数据集，用来评估模型查验代码仓库、修复依赖项、修改文件等实操能力。四项 Terminal-Bench 测试的平均完成率，由基座模型 20.68% 提升至 50.58%。Terminal-Bench 2.1 收获 86.52% 评测得分，Terminal-Bench 4.0 更是从初始零分上涨至 19.84%。

模型能力提升呈现不均衡特征，普通、中等难度任务提升幅度较为显著，超高难度任务指标存在波动。长周期任务 LHTB 以及科学工作流重建 SWR100 的提升空间有限，多步骤复杂任务依旧是当前有待突破的方向。在代码缺陷修复、求值器封装两项实例测试中，优化后的模型顺利通过全部校验标准。

为保障训练效果，团队同步设计配套算法与奖励体系。递归自我重写模块筛选核验通过的交互轨迹，从中提炼可复用操作流程，确认无误后纳入训练素材库。递归策略精炼环节依托强化学习优化模型判断逻辑，同步调校价值评估网络，帮助模型预判不同操作能够带来的收益。研究人员还开发 TB-GAE 算法，减轻超长环境日志对训练信号造成的干扰；搭配 SPR 奖励机制，减少失败行为获取无效奖励的情况。

这项研究仍存在若干局限。训练阶段多项参数同步改动，很难单独拆分出每个模块贡献的性能增益；实验仅采用 27B 单一规格模型，评测样本总量偏少，不足以证实该方案具备统计学层面优势。即便顺利跑完基准测试，也不等于模型能稳定适配各类真实开发场景。

Terminal-RSI 相关实验结果显示，提取成功轨迹结合强化学习的递归方案，能够提升终端智能体的实操表现。若要落地到真实工程的各类复杂场景，后续仍有不少挑战等待攻克。

【免责声明】 本文部分数据来源于网络公开报道及行业资讯，如有侵权，请及时联系，我们将第一时间予以删除或更正。文中所涉观点、数据及分析仅代表小编个人观点，仅供参考，不构成任何投资建议、商业决策依据、法律承诺或其他专业意见。投资有风险，决策需谨慎；任何单位或个人据此进行商业决策、经营行为所产生的风险，均自行承担。