09:30
官方一手arXiv: DeepSeek@Zhongzhi Li, Yucheng Shi, Zongxia Li, Ruhan Wang, Anhao Li, Zixun Huang, Junyao Yang, Lei Ke, Ninghao Liu, Haitao Mi, Leowei Liang
精选
推荐理由：想低成本造高质量长任务数据？RST用递归验证把成本压到5分钱一个，还让模型成绩涨了10分，值得看看。
RST
共 1 条相关 AI 资讯
8月7日
09:30
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。