Shun Zou 等 · USTC / AMAP / SUSTech · 阅读原文
原始来源：Shun Zou 等 · USTC / AMAP / SUSTech
发现渠道：Hugging Face Daily Papers
TerminalHorizon 从专业任务出发，用未参与构建的 Agent 实际求解，检查环境是否提前完成了分析、实现或验证，再据此重建。第二阶段沿同一目标添加依赖先前结果的新要求。作者构建1535个环境、筛出2852条轨迹，平均52.8轮；在Qwen3.5-27B上做SFT后，Terminal-Bench 2.1从46.82升到60.67，增加13.85个百分点。十二项测试均有自报收益，十二小时科研案例则是有界任务，不能据此称为无限自我改进。
可信度 65 · 重要性 80 · 新颖度 79
技术与主题
Agent 系统 · AI 编程 · 评测与基准 · 训练与对齐 · Supervised Fine-Tuning · Synthetic Environments · Long-Horizon Trajectories
编辑评读
它把数据质量问题移到了任务构建之前：合成环境是否已经替求解者分析完了？单纯让对话更长，不能补回消失的探索过程。这个检查方向比按轮数筛选数据更具体。
不过，任务重建、教师轨迹、筛选与SFT一起构成了整套方法。当前结果不能单独回答环境重建贡献多少，也不能只因用了另一个执行者就假定错误独立。复现时最有价值的对照，是相同预算和教师下保留或移除重建阶段，再检查未见任务收益。
轨迹数也不等于训练便宜。论文给出的主配置使用144张H20-141GB GPU、三轮训练，最大序列长度262144 token；这是高信息量长样本的代价。数据和模型卡可读，生成流程的完整可复现性仍需跟进。
需要留意
- 作者自报，缺独立复测
- 环境重建的单独贡献尚待明确；科研案例不是持续自我提升证明。