**ReTerm：基于自我恢复训练的终端智能体**

_ReTerm: Recovery Training for Self-Improving Terminal Agents_

> 针对终端智能体在长时任务中难以从错误中恢复的问题，提出ReTerm框架。该框架通过构建ReTerm-10K数据集进行SFT冷启动，并设计ReTerm-GRPO在线强化学习算法，让智能体从自身失败状态分叉生成多次独立恢复尝试，从而通过自我经验实现自我改进。基于Qwen3.5-9B的ReTerm-9B在Terminal-Bench 2.0上取得34.8%的Pass@1，较基座模型提升14.6个百分点。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-14 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.18484)