ReTerm：基于自我恢复训练的终端智能体及其性能提升

发生了什么

据arXiv cs.LG论文介绍，研究者提出ReTerm，一种通过自我恢复训练进行自我改进的终端智能体。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，从失败状态生成独立恢复尝试。基于Qwen3.5-9B构建的ReTerm-9B在Terminal-Bench 2.0上Pass@1达到34.8%，较基线模型提升14.6分。