Recursive Synthesis for Long-Horizon Terminal Tasks

RST提出一种递归验证的合成框架，从已验证的种子任务出发，通过扩展参考解、重校准验证器和指令，并在沙箱中验证，生成大量长时程终端任务。经过15轮递归，产出37,484个任务，单任务成本约0.05美元，远低于人工成本。任务难度随轮次显著增加，参考解中位数从67行增至374行，执行命令数从40增至244，DeepSeek-V4-Pro pass@4从90%降至2.5%。用这些任务微调Qwen3.5，在Terminal-Bench等基准上提升显著，且递归未见天花板。

1. 对导购agent的启示：RST的递归合成+验证思路可直接迁移到导购对话数据的生成——用已验证的对话流程作为种子，递归扩展（如增加商品比较、多轮砍价等），并自动重验证，可低成本生成海量高质量训练数据。值得设计一个类似pipeline供训练使用。
2. 改变了对合成数据的判断：之前认为长时程任务数据必然昂贵，RST证明通过递归和验证可以大幅降本且保持一致性。这推动我在数据生产上更依赖自动化验证，而非纯人工或直接LLM生成。
3. 下一步行动：深入阅读RST代码，重点关注其验证器重校准机制，尝试在小规模导购场景复现；同时跟踪后续是否出现跨领域（非终端）的递归合成研究。