Hugging Face 每日论文·· 1 天前精选AI 评分58
ReTerm：通过失败恢复训练提升终端智能体的自我改进能力
ReTerm: Recovery Training for Self-Improving Terminal Agents
AI 导读
ReTerm提出一种通过学习自身失败终端任务恢复过程来训练的自我改进终端智能体，配套构建数据管线产出ReTerm-10K数据集用于SFT冷启动，并提出ReTerm-GRPO在线RL算法，从智能体自身失败状态分叉生成多次独立自恢复尝试。
推荐理由
论文给出ReTerm-9B在Terminal-Bench 2.0上的Pass@1提升幅度和恢复率对比，可评估该训练方法的实际收益。
来源：Hugging Face 每日论文 · huggingface.co