ReTerm：让终端智能体从失败中自恢复

Wei Xie 等作者提出 ReTerm，一种通过从自身失败的终端任务中学习恢复来自我改进的终端智能体。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。 方法上，作者构建 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。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。