腾讯论文提出终端Agent递归自我改进方法

2026年10月18日，X 平台用户 Elvis Saravia（DAIR.AI）发帖称，腾讯发表了一篇关于终端智能体递归自我改进的论文。据该帖介绍，该方法从 Qwen3.8-27B 出发，在五个阶段中交替进行两阶段训练：一个阶段对通过验证器的轨迹改写版本做微调，另一个阶段用继承自上一阶段的 critic 运行 PPO。该帖称，采用这一方法后，Terminal-Bench 均分从 20.68% 升至 50.58%。上述论文信息、训练流程与基准分数均来自该条社交媒体帖子的转述，目前尚无其他主报道或跟进报道可供交叉核对。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。