ReTerm 用自身失败训练恢复能力,Terminal-Bench 提升 14.6 分
Wei Xie · hf · 2026-10-14
复旦、港中文、上交等提出 ReTerm,让终端 agent 从自身失败任务中学习恢复。要点:
- 数据:构建定制 pipeline,产出 ReTerm-10K 高质量恢复示范数据集,用于 SFT 冷启动
- 算法:ReTerm-GRPO,从 agent 自身的失败状态 fork 出多个独立自恢复尝试,以是否完成任务为信号在线强化学习
- 效果:基于 Qwen3.5-9B 的 ReTerm-9B 在 Terminal-Bench 2.0 上 Pass@1 达 34.8%,较基座提升 14.6 分,各错误类别恢复率均高于标准 GRPO
- 代码、数据、模型全部开源
「编程与Agent」频道最新
- Agent 改动就回归测试:重放真实失败用例的 eval 实践 — strickvl · 2026-10-14
- 博主用 Opus 一次生成跑 24 小时,零外部素材建出可交互 3D 世界 — sidahuj · 2026-10-14
- 向「伪人」宣战：歸藏晒自动拉黑可疑账号插件批量执行截图 — op7418 · 2026-10-14
- 写正式版 libtiff 规范被 CBRN 安全审查拦下，研究者吐槽 — jd_pressman · 2026-10-14
- 麦当劳中国开放 MCP，作者用 skill 把你的订单蒸馏成「麦门胃」 — AlchainHust · 2026-10-14
- GovAI 研究员 Alan Chan 深谈 Agent 治理：监控、Agent ID 与失控防范 — The Cognitive Revolution · 2026-10-14