ReTerm：终端智能体自我改进恢复训练

2026年10月13日，研究团队在 Hugging Face Daily Papers 发布 ReTerm，一种让终端智能体从自身失败任务中学习恢复能力、从而实现自我改进的训练方法。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。目前进展为该方法、数据集与模型对外公开，尚无后续更新报道。

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。