ReTerm：终端Agent从自身失败中学习恢复

研究者 Kaituo Feng 等人提出 ReTerm，一种通过从自身失败的终端任务中学习恢复来实现自改进的终端 Agent。团队构建数据管线产出 ReTerm-10K 数据集用于 SFT 冷启动，并提出 ReTerm-GRPO 在线 RL 算法，从 Agent 自身失败状态出发生成多次独立自我恢复尝试。 论文将方法定位为针对终端任务失败后的恢复能力，具体训练效果尚未在现有报道中给出。

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。