复旦等提出ReTerm：让终端智能体从失败中学习恢复

复旦大学、香港中文大学 MMLab 与上海交通大学的研究者提出 ReTerm 方法，让终端智能体在失败现场自主尝试恢复，并根据恢复成败更新模型参数，探索由自身错误驱动的递归自我改进路径。团队构建了约一万条恢复轨迹 ReTerm-10K 用于冷启动，再以 ReTerm-GRPO 在线强化学习迭代，并公开了代码、模型与数据。 在评测中，ReTerm 与 Qwen3.5-9B 使用相同运行框架和配置，可直接观察恢复训练带来的增益；其他模型的数据来自各自论文或官方发布，运行配置可能不同。研究者称，除工具使用外，其余四类错误的恢复率仍未超过 32%。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。