[CL]《Tmax: A simple recipe for terminal agents》H Ivison, J O Yin, R Shao, T Xiao,… [Allen Institute for AI & University of Washington] (2026)

在终端智能体领域，缺乏高性能开源强化学习方案是长期难题。过去方法受困于任务单一且难度低，本质原因是环境构建过度依赖昂贵的教师验证，限制了复杂长程数据的规模化生成。

本文的核心洞见是：把环境构建看作九类结构化维度的组合采样。由此，通过复杂度分级与验证器多样化，配合强化学习中的自动过滤机制，使小参数模型在低成本下习得了极强的终端操控力。

这项工作留下的遗产是证明了简单强化学习配方能让小模型跨级挑战。它为后来者打开了高难度开源终端基准的大门，但尚未跨过的门槛是超长步数下的训练稳定性与合成数据的性能上限。

arxiv.org/abs/2606.23321 #机器学习# #人工智能# #论文# #AI创造营#