我们提出递归自我改写（Recursive Self‑Rewrite，RSR）框架，使用单一基座模型 Qwen‑3.8‑27B 在多种专用 harness 下发现成功解法，并将其重构为通用 harness 下的训练轨迹。RSR 包含三大模块：规划器负责将成功解法抽取为可执行的 runbook；评审器检测验证器和解答泄漏，并引导递归修订；执行器在全新沙箱中运行合格的 runbook。实验在约 3000 条自建终端任务上进行，三种 harness 共同解决了 759 条任务，比记录池中最强单一 harness 多出 34.3%。RSR 将 2001 条成功源轨迹扩展为 11094 条重写轨迹用于监督微调。基于这些轨迹的微调在多项基准上显著超越基座模型和直接轨迹 SFT：Terminal‑Bench 2 的 pass@3 从 57.0% 提升至 74.2%，Terminal‑Bench 4 从 1.5% 提升至 9.1%，自建 Hard 集合从 39.0% 提升至 63.0%，Software 集合从 3.0% 提升至 6.0%。长时程 Terminal‑Bench 的过程奖励从 0.21 上升至 0.29。结果表明，多样化的 harness 辅助经验可以被重构为模型在通用 harness 下可复用的能力。
点评：RSR 展示了通过统一轨迹重写提升模型通用性和性能的可行路径，为未来的自监督任务学习提供了新思路。