ReTerm：让终端智能体从自身失败中自我改进的恢复训练方法

研究团队提出 ReTerm，一种通过从自身失败任务中学习恢复能力来自我改进的终端智能体。基于 Qwen3.5-9B 训练的 ReTerm-9B 在 Terminal-Bench 2.0 上达到 34.8% Pass@1，比基座模型提升 14.6 个百分点。团队同时构建了 ReTerm-10K 数据集并提出 ReTerm-GRPO 在线强化学习算法，代码、数据和模型均已开源。