ReTerm：终端智能体自恢复训练方法

2026年10月14日，arXiv Artificial Intelligence 报道，Wei Xie 等作者提出并发布 ReTerm 自改进终端智能体训练方法，配套发布 ReTerm-10K 数据集与 ReTerm-GRPO 算法。报道称，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；ReTerm-10K 数据集用于 SFT 冷启动；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。来源证据显示，作者表示全部代码、数据与模型均已在该论文给出的链接发布。目前进展为该方法、数据集与算法已公开，尚无后续跟进报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。