10月19日，腾讯混元前沿团队发布 Terminal-RSI（递归自我改进）技术，能让模型超越自身原有能力边界。论文使用 Qwen3.8-27B 作为基座，在 Terminal-Bench 4.0 基准上从无法作答（0%）提升至 19.84%，与 GPT-5.6 Terra 和 Gemini 3.8 Flash 持平；在 Terminal-Bench 2.1 上从 51.7% 升至 86.5%；四个子项平均分从 20.7% 升至 50.6%，仅用两轮强化学习即实现翻倍增长。
RSI如何让模型超越自身框架
Terminal-RSI 由 RSR（递归自我重写）和 RPR（递归策略精炼）两个循环构成。RSR 阶段，模型在各种测试环境中尝试任务，只保留通过完整验证的成功轨迹，由审查 Agent 剔除泄漏答案后，将成功动作序列固化为操作手册，再在全新环境中重做验证。RPR 阶段，审查 Agent 先单独重新训练以理解 actor 的最新偏好，再与 actor 联合强化学习（PPO），保证 critic 始终与 actor 同步进化。团队将这一过程类比为”打游戏开荒，死八百回终于有一把通关，然后把那把的录像导出来硬背成肌肉记忆”。
腾讯阿里首次在基座模型上合作
论文使用的基座模型为 Qwen3.8-27B，由腾讯与阿里共同署名，也是两家在 RSI 技术上的首次合作。姚顺雨自 2025 年中加入混元后，主导将基础研究团队整合进模型部门，腾讯 AI Lab 与大语言模型部合并，Frontier 方向直接面向主模型汇报。论文一作包括腾讯西雅图研究科学家史玉成及两名实习生，团队计划下一步在更大规模模型上验证 RSI 的可扩展性。
延伸阅读
- 腾讯开源 BrowserSkill：3618 Star 让 Agent 复用已登录浏览器，支持 CLI 与扩展4 周前
- 腾讯混元游戏视觉生成平台解析：建模准备从 12 小时压到 30 分钟，九大能力矩阵开放4 周前
- 腾讯混元 Hy3 正式版开源：295B 总参数 21B 激活 MoE，256K 上下文 API 输入 1 元4 周前
- PS5变身高性价比本地AI服务器：270亿参数Qwen3.8实测每秒20.9词元2 天前
AI 自学笔记 每天更新 AI 前沿动态，订阅 RSS，或按 Ctrl/⌘+D 收藏本站，明天见。
继续读
同一批更新里这几篇值得一看：
- PS5变身高性价比本地AI服务器：270亿参数Qwen3.8实测每秒20.9词元2026-10-18
- 腾讯上线企鹅微单：微信内AI创作接单平台，能否破解变现难题2026-10-12
- 腾讯云ClawPro集成TeamAI：具身智能首次落地，WorkBuddy充当大脑2026-10-12
想快速查定义？对应的词条在这里：
- Qwen词条 · AI 自学笔记