先手 SENTE · 周报阅读清单 · 速读 · arXiv 2608.05466
RST：递归合成长时程终端任务，每题约 5 美分
Recursive Synthesis for Long-Horizon Terminal Tasks
Zhongzhi Li，Yucheng Shi，Zongxia Li，Ruhan Wang 等 11 位作者 · 2026-08-05
从已验证的种子任务出发，一轮轮把任务变长、变难，每轮都重新验证
打开交互式解读 →三个要点
- 问题：长时程终端 Agent 的高质量训练任务很贵，每题动辄数百到数千美元，因为指令、环境、参考解和验证器必须彼此一致；人工编写难以扩展，直接让大模型生成又常破坏这些依赖。
- 方法：从已验证的种子任务开始，扩展参考解、重新对齐验证器和指令，在全新沙箱中验证，通过的任务作为下一轮的种子；要求每个被测试的需求都写在指令里或能从工作区发现。
- 结果：15 轮共合成 37,484 个任务，约每题 $0.05；参考解中位长度从 67 行增至 374 行，DeepSeek-V4-Pro 的 pass@4 从第 1 轮的 90% 降到第 15 轮的 2.5%。用这些任务做 SFT 与 PPO，Qwen3.5-27B 在 Terminal-Bench 2 上达到 49.44%（作者自报）。
37,484 15 轮递归合成的终端任务数
适合谁读：做编程 / 终端 Agent 训练数据与 RL 环境的团队。
AI 解读 · 基于原文：本页由 AI 根据论文原文整理，所有数字均可在原文中找到出处；引用前请核对原文。