腾讯发布递归自我改进流水线

腾讯发布 Terminal-RSI 27B 模型流水线，通过递归重写与策略强化训练改进终端任务的完成能力。模型先利用成功重写轨迹进行微调，再运行 PPO 强化学习，以减少任务尚未完全完成便宣称成功的情况，最终由环境验证器检查结果。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。