复旦等提出 ReTerm:从自身错误学恢复,Terminal-Bench 提升 14.6 点
jiqizhixin · x · 2026-11-22
复旦大学、港中文 MMLab 与上海交大研究者在 arXiv 发布 ReTerm,解决终端 agent 一个被忽视的瓶颈:如何从自己造成的错误命令或错误实现中恢复。
- 数据:收集失败状态并筛选有用的恢复轨迹,构建约 1 万条高质量恢复数据的 ReTerm-10K 数据集作为监督起点
- 强化学习:ReTerm-GRPO 从 agent 自己的失败状态分叉出多条恢复尝试,以最终任务完成度比较各恢复路径,让模型置身于自身错误的后果中训练
- 结果:基于 Qwen3.5-9B 的 ReTerm-9B 在 Terminal-Bench 2.0 上达到 34.8% Pass-at-one,比基座模型高 14.6 个百分点,恢复能力全面改善
「编程与Agent」频道最新
- 浏览器内本地优先 LaTeX 编辑器 lattedit 上线,免费开放编译 API — cneuralnetwork · 2026-11-22
- 8 美元+Claude Agent 8 小时,把照片变成 AAA 级 Unity 植被 — Delicious-Shower8401 · 2026-11-22
- 9.5 小时实测:小模型在 3060 上跑 Claude Code,162 项任务得 94% — SummarizedAnu · 2026-11-22
- 开发者将 Agent 接入微信:一个 super agent 管理所有 issue — jiayuan_jy · 2026-11-22
- FitMetrics 用 Grok Build+27 个 Bot,单月合并 1800 个 PR — XFreeze · 2026-11-22
- OpenAI 推出 Sign in with ChatGPT,本地应用可直接用套餐额度跑模型 — alexcovo_eth · 2026-11-22