ReTerm：终端Agent自恢复训练方法

论文作者提出 ReTerm，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。作者构建定制数据管线产出 ReTerm-10K 数据集，用于 SFT 冷启动的恢复演示，并提出 ReTerm-GRPO 在线强化学习算法：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，依据这些尝试是否完成任务来学习。 作者称全部代码、数据和模型已在 https://github.com/twothsnd/ReTerm 开源，其中包括 ReTerm-9B 模型。

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。