ReTerm：让终端智能体从自身失败中恢复的自改进训练方法

ReTerm 是一种通过从自身失败的终端任务中学习恢复能力来自我改进的终端智能体。作者构建了定制数据管线并产出 ReTerm-10K 数据集，用于 SFT 冷启动的恢复演示，同时提出 ReTerm-GRPO 在线 RL 算法，从智能体自身的失败状态分叉生成多次独立的自恢复尝试，并依据这些尝试是否完成任务来学习。