ReTerm：让终端智能体从自身失败中学会恢复的自改进训练方法

基于 Qwen3.5-9B 训练的 ReTerm-9B 在 Terminal-Bench 2.0 上达到 34.8% Pass@1，较基座模型提升 14.6 个百分点。该方法构建 ReTerm-10K 数据集用于 SFT 冷启动，并提出 ReTerm-GRPO 在线强化学习算法，从智能体自身失败状态出发生成多次独立恢复尝试并据此自改进。代码、数据和模型均已开源。