递归合成框架RST：低成本生成长时程终端任务

RST是一种递归验证的合成框架，能从已验证种子任务出发扩展参考解、重对齐验证器与指令，并在新沙盒中验证。经过15轮递归，RST以约0.05美元/任务的成本生成了37,484个终端任务，中位参考解从67行增至374行，执行的命令数从40增至244。DeepSeek-V4-Pro的pass@4从第1轮的90%降至第15轮的2.5%，任务难度持续攀升。用Qwen3.5轨迹微调，Qwen3.5-27B在Terminal-Bench 2、Hard和Long-Horizon上最多提升10分；PPO训练后相对增益为20.0%、41.2%和21.9%。15轮后合成产率和验证率保持稳定，表明流程可继续扩展。