跳到正文
arXiv · AI· Wei Xie, Kaituo Feng, Shiming Fu, Yong Liu, Xiangyu Yue, Shuangjia Zheng·· 2026-10-14AI 评分41

ReTerm: 面向自我改进终端智能体的恢复训练

ReTerm: Recovery Training for Self-Improving Terminal Agents

AI 导读

ReTerm 基于 Qwen3.5-9B 开发,在 Terminal-Bench 2.0 上实现 34.8% Pass@1,较基座模型提升 14.6 分。 通过构建 ReTerm-10K 数据集与 ReTerm-GRPO 在线强化学习算法,智能体从自身失败状态分叉生成独立恢复尝试,从而提升各类错误下的恢复率。 代码、数据及模型均已开源发布。

来源:arXiv · AI · arxiv.org