arXiv · AI· Zhongzhi Li, Yucheng Shi, Zongxia Li, Junyao Yang, Ruhan Wang, Yu Wang, Jingyuan Huang, Jichao Yu, Ninghao Liu, Haitao Mi, Leowei Liang·· 2026-10-05AI 评分38
SWR:利用终端环境进行科学领域自监督缩放
Self-Supervised Scaling of Terminal Environments for Scientific Domains
AI 导读
研究人员提出 SWR 自监督框架,利用现有软件工作流生成可验证的训练轨迹,无需为每个任务人工编写参考解。 该框架在 500 个工作流中收集 3,000 个训练样本,用于微调 Qwen3.8-27B 模型。 实验显示,微调后模型在 Terminal-Bench 2 上的平均表现从 47.94% 提升至 53.56%,且在四项评估中均优于匹配的对照基线。
来源:arXiv · AI · arxiv.org