Rohan Paul

New Tsinghua + Qwen 团队的论文颠覆了通常的代理数据配方： 与模仿原始运行相比，重建和重新解决旧的代理工作区可以训练更好的编码代理 轨迹就像 1 个编码代理修复 1 个错误的记录：您只能复制该代理所做的事情。 相反，本文根据该记录重建了实际的代码工作区，因此您可以为同一工作区提供新的错误、新功能或更强大的代理，并从中生成许多新的训练示例。 这就是核心区别：轨迹=1个冻结解；环境 = 一个可重用的代码库，可以生成许多新的经过验证的任务，论文发现第二个对于训练代理来说要好得多。 在本文的 Terminus2 设置下，对所得数据进行 Qwen3.5-27B 训练将 Terminal-Bench 2.1 从 46.2% 移动到 58.1%，将 EvoCode-Bench v2 MT@4 从 6.3 移动到 20.1。 收集您可以重用的执行环境，而不仅仅是您可以模仿的更多跟踪。