T1：面向长程任务的终端 Agent 强化学习

英文标题：T1: Terminal Agent Reinforcement Learning for Long-Horizon Tasks

论文提出 T1，一种面向长程任务的终端 Agent 模型。该模型采用 Mixture-of-Experts 架构，总参数规模为 122B，并通过强化学习训练。研究关注编程和科学发现等长程任务，强调终端任务对于 Agent 能力发展的重要性。原始摘要内容在提供文本中截断，未包含更多实验结果、评测数据或技术细节。

2.1 KB 640 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB