长期终端任务的递归合成方法

RST是一个递归验证合成框架，用于生成长期终端代理任务。从已验证的种子任务开始，通过扩展参考解法、重新对齐验证器与指令，在沙盒中验证，并将接受的任务作为后续轮次种子。十五轮后生成了37,484个任务，每任务成本约0.05美元。任务难度逐轮增加，参考解法中位数从67行增至374行，执行命令数从40增至244，DeepSeek-V4-Pro的pass@4从90%降至2.5%。微调及agentic PPO在多个基准上显著提升Qwen3.5模型性能。

此前生成高质量长期终端任务训练数据成本高昂，每任务数百至上千美元，且人工编制难以扩展。RST将成本降至0.05美元/任务，并大幅提升任务难度，为终端代理训练提供了低成本、大规模且难度递增的数据生成途径，可能改变该领域的训练数据获取方式。

RST通过从已验证的种子任务开始，递归地扩展参考解法，并同步修改指令与验证器以保持一致性，再在全新沙盒中验证新任务的有效性。通过重复使用通过验证的任务作为下一轮的种子，形成递归循环，从而使任务难度逐渐放大，生成大量高质量训练数据。

对于拥有终端代理或自动化产品的团队，RST可显著降低训练数据的成本与时间，支持构建更强大的终端代理，提升其在复杂任务上的表现。该框架可直接集成到数据生产管线，替代高成本人工标注，加速模型迭代，并可能降低相关产品的研发成本。

• 集成RST框架，为终端代理自动化生成训练数据，替代昂贵的人工编写，降低数据成本。
• 基于RST生成的高难度任务，构建针对性的评测集，用于内部模型能力测试与产品迭代。
• 使用RST产生的数据对现有模型进行微调，参考论文中Qwen3.5的收益，改善产品在终端任务上的表现。
• 探索将RST应用于其他长期任务场景，如自动化运维或IT支持，扩展产品能力范围。

• RST在不同类型终端环境（如Windows、网络设备）上的适用性如何？
• RST生成的任务在真实场景中的有效性与泛化能力是否有进一步验证？
• 与其他数据合成方法相比，RST在多样性方面是否存在不足？
• 论文中提及的模型与基准为特定版本，RST对更新模型的实际效果有待验证。