Tencent ha sviluppato, attraverso il gruppo di ricerca Hy Frontier e in collaborazione con la National University of Singapore e altri ricercatori, Terminal-RSI, un metodo di addestramento che permette a un agente di intelligenza artificiale di migliorare le proprie prestazioni utilizzando i risultati delle attività precedentemente eseguite. Il progetto è stato descritto in uno studio pubblicato su arXiv il 15 ottobre 2026 e aggiornato il 30 ottobre, mentre i risultati hanno ricevuto nuova attenzione nel mese di novembre per il collegamento con le ricerche sulla recursive self-improvement, o RSI. Il sistema sperimentale, denominato Terminal-RSI-27B, deriva dal modello open-weight Qwen 3.8-27B di Alibaba e utilizza circa 27 miliardi di parametri. La ricerca si concentra sulle attività di programmazione e amministrazione eseguite attraverso un terminale informatico, nelle quali l’agente deve interpretare un obiettivo, utilizzare strumenti a riga di comando, scrivere o modificare codice, correggere gli errori e verificare il completamento delle operazioni richieste.
Il metodo combina l’utilizzo delle esperienze operative dell’agente con tecniche di reinforcement learning. Dopo l’esecuzione di un compito, il sistema analizza le traiettorie che hanno portato a un risultato verificato e le riorganizza in dimostrazioni riproducibili, utilizzabili come nuovi esempi durante l’addestramento. Il modello aggiornato può quindi affrontare ulteriori compiti attraverso le capacità acquisite e produrre nuove esperienze che alimentano il ciclo successivo. Questo meccanismo è stato sviluppato per ridurre la dipendenza da dimostrazioni realizzate manualmente e valorizzare il lavoro già eseguito dall’agente. L’obiettivo non consiste semplicemente nel memorizzare una soluzione precedente, ma nel trasformare una sequenza di azioni riuscite in materiale di apprendimento che possa migliorare la capacità di risolvere problemi successivi. La preparazione delle procedure e delle valutazioni rimane comunque definita dai ricercatori, che stabiliscono l’ambiente di esecuzione, le condizioni di successo e la struttura dell’addestramento.
Uno degli elementi centrali del progetto è Success-Priority Reward, abbreviato SPR, un meccanismo di ricompensa progettato per distinguere i tentativi che completano realmente un’attività da quelli che ottengono soltanto risultati parziali. Nei processi di reinforcement learning applicati alla programmazione, un agente può ricevere segnali positivi per operazioni intermedie corrette anche quando non riesce a completare il compito complessivo. SPR modifica la distribuzione delle ricompense per attribuire maggiore importanza al superamento delle verifiche finali. Rivalutando 4.352 registrazioni di attività, i ricercatori hanno osservato che la quota delle ricompense assegnata ai tentativi falliti scendeva dal 50% del metodo precedente al 29% con SPR. La modifica riduce quindi l’influenza dei risultati incompleti sul processo di aggiornamento del modello, mantenendo come riferimento principale l’effettiva risoluzione del problema richiesto.
Le misurazioni riportate dai ricercatori mostrano un incremento della percentuale media di successo su quattro benchmark dedicati alle attività da terminale, passata dal 20,68% del modello iniziale al 50,58% dopo l’addestramento. Su Terminal-Bench 4.0, una delle valutazioni più impegnative considerate, il risultato è aumentato dallo 0% al 19,84%. Su Terminal-Bench 2.1, invece, la percentuale di successo è cresciuta dal 51,70% all’86,52%. I risultati documentano un miglioramento significativo nella capacità di completare specifiche attività attraverso strumenti informatici, ma non dimostrano che il modello possa continuare a perfezionarsi indefinitamente. Nelle prove che richiedevano sequenze particolarmente lunghe di operazioni, il sistema riusciva a completare mediamente soltanto cinque attività su quarantasei. Rimangono inoltre limitazioni legate alla durata dell’esecuzione, alla capacità di pianificazione e alla gestione degli errori accumulati durante i processi complessi.
Terminal-RSI non costituisce quindi un sistema di miglioramento ricorsivo completamente autonomo. I ricercatori hanno progettato le procedure di apprendimento, definito le metriche e stabilito il numero di iterazioni sperimentali; il modello non ha individuato autonomamente nuovi obiettivi di ricerca né sviluppato un metodo di addestramento radicalmente differente. La pubblicazione si inserisce comunque nelle ricerche sulla possibilità di utilizzare i sistemi AI per accelerare il miglioramento di altri sistemi AI. Nel settembre 2026, il responsabile scientifico di OpenAI Jakub Pachocki aveva indicato la crescente partecipazione dei modelli allo sviluppo di nuove tecnologie AI come una possibile direzione verso l’RSI, mentre Anthropic aveva descritto l’impiego dell’intelligenza artificiale nella programmazione e negli esperimenti di ricerca. L’organizzazione indipendente METR ha stimato che il ritmo di miglioramento dei modelli Anthropic fosse diventato circa 1,9 volte superiore rispetto al periodo precedente. Ryan Christian, amministratore delegato dell’organizzazione di valutazione Vals AI, ha inoltre formulato una previsione secondo cui Anthropic potrebbe raggiungere una forma completa di RSI tra luglio e agosto 2027, valutazione che rimane una previsione e non un risultato sperimentale dimostrato. Terminal-RSI documenta invece un caso circoscritto nel quale un agente costruito a partire da un modello open-weight aumenta le proprie capacità operative riutilizzando esperienze verificate e apprendimento per rinforzo.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)