ReasonCoreAI：有效 RL 训练数据须落在 1/8 至 6/8 通过率区间

ReasonCoreAI 指出，过难或过易的 benchmark 无法为 RL 提供梯度信号，有效学习来自模型 8 次尝试中能解出 16 次的中间难度任务。构造并认证 terminal-bench-science 任务成本高昂，单个任务交付实验室前最多需 24 个 agent 小时，认证须运行 8 次，任务或新模型变更后还要全部重跑。