ReTerm：让终端智能体从自身失败中学会恢复的自改进训练方法

ReTerm 通过让终端智能体学习从自身失败任务中恢复来实现自改进，配套构建了 ReTerm-10K 数据集用于 SFT 冷启动，并提出在线 RL 算法 ReTerm-GRPO，从智能体自身失败状态分叉生成多次独立自恢复尝试。