一句话看懂：ReTerm 提出让终端智能体专门从自己的失败任务中学习恢复，在 Terminal-Bench 2.0 上把 Qwen3.5-9B 的 Pass@1 从基础水平提升到 34.8%，高出 14.6 个百分点。
事件核心：发生了什么
根据 Hugging Face Papers 收录的论文摘要，研究团队提出 ReTerm，一个面向终端智能体的自我改进训练方案。终端智能体在复杂编程任务中表现不错，但在长时间执行中遇到命令报错、实现错误等问题时，往往不会自我恢复，最终导致任务失败。ReTerm 的思路是让模型学习“如何从自己失败的任务中恢复”。
具体做法分两步：一是构建定制数据管线，产出 ReTerm-10K 数据集，为监督微调（SFT）冷启动提供恢复示范；二是提出 ReTerm-GRPO 在线强化学习算法，从智能体自身的失败状态分叉，生成多次独立的自我恢复尝试，再根据这些尝试是否完成任务来更新模型。该工作基于 Qwen3.5-9B，最终 ReTerm-9B 在 Terminal-Bench 2.0 上的 Pass@1 达到 34.8%，相比基础模型提升 14.6 分。摘要称，相比标准 GRPO 训练，该方法在多种错误类别上取得了一致更高的恢复率。代码、数据和模型已在 GitHub 放出。
为什么重要
终端智能体是当前 AI 应用里比较实际的一条路线，直接操作命令行、文件系统和开发环境，能替开发者跑测试、修代码、做部署。但这类长任务容易“一步错、步步错”，失败恢复能力往往比单步正确率更决定实际可用性。ReTerm 把训练重点从“尽量不犯错”转向“犯错后怎么救回来”，并用在线强化学习从失败状态中采样，这为 terminal agent 的训练提供了一种可复制的思路。目前公开信息显示，该结果来自论文摘要中的特定评测，不能直接外推为通用场景下的稳定排名。
对用户/开发者/创作者的影响
对开发者来说，ReTerm 开源了代码、数据和模型，意味着可以基于 Qwen3.5-9B 复现或微调自己的终端智能体，尤其适合需要让 agent 长时间执行脚本、调试环境、处理报错的场景。对使用 AI 编程工具的团队而言，这类恢复训练如果被集成进产品，可能减少 agent 中途卡死、需要人工接管的情况。对研究者，ReTerm-GRPO 从失败状态分叉采样的做法，也可以迁移到其他需要多步执行的 agent 任务。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 ReTerm-9B 和 ReTerm-10K 在社区的实际复现效果，是否能在 Terminal-Bench 2.0 之外的基准上同样成立；二是这套失败恢复训练是否会被主流编程智能体产品采用，或者被其他开源项目跟进；三是 ReTerm-GRPO 的算力开销和训练稳定性，是否适合资源有限的团队。以上判断均基于论文摘要，全文实验细节和同行评审状态尚待确认。
