ReTerm：让终端智能体从失败中自恢复的训练方法
热点事件观察中
ReTerm：让终端智能体从失败中自恢复的训练方法
1 篇报道1 个报道来源2 天前更新
先了解这件事
AI 综述
ReTerm 论文作者团队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恢复终端智能体方法，配套发布 ReTerm-10K 数据集用于 SFT 冷启动和 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）。基于 Qwen3.5-9B 的 ReTerm-9B 在 Terminal-Bench 2.0 上取得 34.8% Pass@1，作者称较基座模型提升 14.6 个百分点；代码、数据与模型已在 GitHub 开源。
AI 根据报道生成 · 1 天前更新
最新进展10月13日 08:00
ReTerm：通过失败恢复训练提升终端智能体的自我改进能力报道时间线
沿着报道，了解事件的不同侧面。
10月13日
- Hugging Face 每日论文精选ReTerm：通过失败恢复训练提升终端智能体的自我改进能力
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。
本事件热度走势
- 可比范围当前
- 2
- 可比范围峰值
- 410月14日 16:00
- 近 24 小时变化
- -50%
01234
18:0010月15日06:0012:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。