研究人员提出面向终端智能体任务的 RST
Recursive Synthetic Terminal Tasks 从种子任务生成了 37,484 个经验证任务。
为什么重要
这项工作瞄准了终端智能体训练中的一个瓶颈：如何稳定产出指令、环境、解法和验证器彼此对齐的长程任务。如果结果可复现，递归式验证合成可能会降低构建智能体训练集和更高难度评测套件的成本。
核心要点
- 1.RST 生成了 37,484 个合成终端智能体任务。
- 2.报告的成本约为每个任务 0.05 美元。
- 3.DeepSeek-V4-Pro 的 pass@4 在各轮次中从 90% 降至 2.5%。
HF Daily Papers 推荐的一篇论文介绍了 Recursive Synthetic Terminal Tasks，这是一种用于生成长程终端智能体训练任务的框架。RST 从经过验证的种子任务出发，扩展参考解法，重新对齐验证器和指令，在全新的沙盒中验证任务，并将通过的任务用于后续轮次。经过 15 轮递归生成，它产出了 37,484 个合成任务，单个任务成本约为 0.05 美元，任务难度也随着轮次推进而上升。
⚡ 今天就能用
在构建终端智能体基准或合成训练流水线之前，先阅读这篇论文。
来源与原始报道
本简报汇总并链接到以下媒体的报道。
- arXiv cs.AIRecursive Synthesis for Long-Horizon Terminal TasksAug 7, 12:00 PM↗
- arXiv cs.LGRecursive Synthesis for Long-Horizon Terminal TasksAug 7, 12:00 PM↗
- arXiv cs.LGCalibForge: Adversarial Solver Calibration for Scaling Learnable Terminal TasksAug 7, 12:00 PM↗
- arXiv cs.CLCalibForge: Adversarial Solver Calibration for Scaling Learnable Terminal TasksAug 7, 12:00 PM↗
- HF Daily PapersCalibForge: Adversarial Solver Calibration for Scaling Learnable Terminal TasksAug 6, 4:00 AM↗
- HF Daily PapersRecursive Synthesis for Long-Horizon Terminal TasksAug 5, 4:00 AM↗
觉得这篇简报有用？下一篇直接送到你的邮箱。