software-in-the-loop reconstruction

新框架使用科学软件训练AI终端代理

研究人员开发了一个名为软件在环重建（SWR）的自监督框架，用于在科学领域创建终端代理的训练环境。该方法利用现有的科学软件工作流程生成参考行为和验证目标，减少了手动工程的需求。当应用于Qwen3.8-Max时，该框架促进了838个任务的解决，并产生了1400多个已验证的轨迹。使用这些数据对Qwen3.8-27B进行进一步微调，显著提高了在Terminal-Bench 2基准测试上的性能，表明了来自科学软件的可扩展监督的潜力。