ReTerm训练终端Agent自恢复

2026年10月13日，Hugging Face Daily Papers 报道 ReTerm，一种面向自我改进终端智能体的恢复训练方法。该方法针对终端智能体在长时间执行中出现的命令错误和实现错误，提出让智能体从自身失败任务中学习恢复。报道显示，ReTerm 构建了 ReTerm-10K 数据集用于 SFT 冷启动，并提出 ReTerm-GRPO 在线强化学习算法。基于 Qwen3.5-9B 的 ReTerm-9B 在 Terminal-Bench 2.0 上达到 34.8% Pass@1，相比基座模型提升 14.6 个百分点。目前，相关代码、数据和模型均已发布。

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。