说明：当前arXiv摘要页面仅提供**Abstract**，没有公开的Introduction、Conclusion文本，无法直接获取这两部分原文，因此只完成摘要的中英对照翻译；文章主要内容、创新点基于摘要信息整理。完整Introduction、Conclusion需要下载PDF读取。# T1: Terminal Agent Reinforcement Learning for Long‑Horizon Tasks（arXiv:2609.11042）## 1. 文章主要内容本文面向**长时序智能体任务**（代码编写、科学发现等），重点研究终端shell工具交互任务，提出T1模型：一个总参数量122B的MoE（混合专家）强化学习智能体模型。- T1在云沙箱环境操作真实shell，单任务最多支持300+轮工具调用，使用任务自带验证器给出奖励信号。- 作者给出一套完整训练方案，包含三部分：激进热启动+密集过程奖励；TITO优化结构+R3（rollout routing replay）回放路由重放；完全分布外训练数据集，避免对评测基准过拟合。- TITO+R3技术将训练与推理之间对数概率差从0.021下降至0.013，损失区间实现零token漂移。- 评测结果：Terminal‑Bench 2.1基准上，基础模型43.8%，经过该训练流水线后T1达到64.0%任务解决率；Long‑Horizon Terminal Bench长时序基准上T1取得27.9%，超过GPT‑5.4、GLM‑5.1。## 2. 核心创新点1. **面向长时序终端Shell智能体完整RL训练范式**：针对终端工具调用任务，设计一整套可落地训练配方，支持300+轮长工具交互，依靠任务内置验证器做奖励。
