Qwen3.5-4B 纯权重扰动训练智能体：Terminal-Bench 2.1 跑分 12.1%→21.1%，超过 RL 检查点

Qwen3.5-4B 通过纯权重扰动训练智能体，在 Terminal-Bench 2.1 上将跑分从 12.1% 提升至 21.1%，超过已发布的 Tmax RL 检查点 18.2%。该方法采用“扰动—更新”机制，无需 credit assignment、critic、masking 或繁琐超参，种群规模仅约 30。