实体
Terminal-Bench Hard
Terminal-Bench Hard
PulseAugur coverage of Terminal-Bench Hard — every cluster mentioning Terminal-Bench Hard across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
递归自改写框架提升AI模型在复杂任务上的性能
研究人员推出了一种名为递归自改写（RSR）的新型框架，旨在提升AI模型在复杂任务上的性能。RSR利用基础模型Qwen-3.8-27B，从各种专业环境中发现并重构成功的解决方案，将其转化为通用格式。该过程包括规划器、评论家和执行器，以完善程序并创建新的训练轨迹。该框架在Terminal-Bench 2和Terminal-Bench 4等多个基准测试中显著提高了性能，证明了其在为AI模型生成可重用能力方面的有效性。
-
新框架以每项0.05美元的价格生成37,000个AI代理任务
研究人员开发了递归合成终端任务（RST）框架，旨在以显著降低的成本为终端代理生成长时域训练数据。该方法通过验证种子递归地合成新任务，扩展解决方案，重新对齐验证器，并在沙箱中进行验证，最终以每项约0.05美元的价格生成了超过37,000个任务。合成的任务在递归轮次中难度显著增加，导致DeepSeek-V4-Pro等模型的性能下降。使用RST生成的数据进行微调已显示出Qwen3.5模型在各种基准测试上的显著改进，证明了该框架在增强代理能力…