ReTerm：让终端代理从失败中自我恢复的训练方法

ReTerm 作者团队发布论文，提出让终端代理从自身失败中学习恢复的自改进训练方法，并配套公开了 ReTerm-10K 数据集与 ReTerm-GRPO 在线强化学习算法。基于 Qwen3.5-9B 训练的 ReTerm-9B 在 Terminal-Bench 2.0 上达到 34.8% Pass@1，较基模型提升 14.6 个百分点；团队同时在 GitHub 上开源了全部代码与模型。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。