TMax开源终端智能体强化学习训练方案

2026年11月3日，Hamish Ivison等人发布TMax，一种面向终端智能体的开放强化学习训练方案，并开源了数据、模型及代码。该方案适用于2B至27B的开源权重模型，通过难度控制、角色设定及验证器多样化生成数据，显著提升了小模型性能。 在Terminal-Bench 2.0基准测试中，TMax训练的9B参数模型取得33%的成绩，其性能超越了此前更大规模的模型。该方案主导了小模型性能帕累托曲线，将小型开放模型推近前沿水平。作者旨在为学术界终端智能体研究提供强力基线。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。