腾讯发布 Terminal-RSI 27B 模型流水线，面向递归自我改进

腾讯发布 Terminal-RSI 27B 模型流水线，通过递归自我重写与递归策略精炼推动智能体完成任务。该流程让模型利用成功重写轨迹进行微调，再以 PPO 强化学习运行，以减少部分完成后即宣称成功的“懒惰”问题，并通过最终环境验证器检查。