ReTerm：面向自我改进终端智能体的恢复训练

ReTerm 提出让终端智能体从自身失败任务中学习恢复，以改善长时间执行中的命令错误和实现错误。其构建 ReTerm-10K 数据集用于 SFT 冷启动，并提出 ReTerm-GRPO 在线 RL 算法。基于 Qwen3.5-9B 的 ReTerm-9B 在 Terminal-Bench 2.0 达到 34.8% Pass@1，比基座模型提升 14.6 points，代码、数据和模型均已发布。