텐센트 T1은 에이전트 장기 작업에 집중한다: 300여 라운드 연속 조작, 벤치마크 점수 20점 상승

동찰 Beating AI 속보, 텐센트가 Qwen3.5-122B-A10B를 터미널 Agent 훈련에专门 투입해 T1을 만들었다. 이는 주로 Linux 터미널 내 복잡한 작업을 처리하며, 단일 작업에서 최대 300여 라운드까지 연속으로 도구를 호출할 수 있다. Terminal-Bench 2.1 점수는 베이스 모델의 43.8%에서 64.0%로 상승해 20.2점 올랐다.

이 20.2점 중 대부분은 강화학습에서 나왔다. SFT는 점수를 49.4%까지 끌어올리는 데 그쳤고, 이후 강화학습이 다시 14.6점을 올렸다. 팀은 약 1만 5천 개의 터미널 작업을 준비했으며, 각 작업에는 자동 테스트가 포함되어 있다. Agent가 전체 작업을 완료하지 못해도 일부 요구사항만 충족하면 그에 상응하는 보상을 받을 수 있다.

장기 작업에는 또 다른 문제가 있다. Agent가 실제로 작업할 때와 이후 이 경험으로 훈련할 때, 같은 내용이 다른 token으로 다시 잘릴 수 있고 MoE도 다른 전문가 집합으로 처리할 수 있다. T1은 당시 생성된 token과 선택된 전문가를 모두 기록해 두고, 훈련 시 그대로 재생하여 이러한 훈련-추론 편차를 약 3분의 1로 줄였다.