AGI Hunt· Wei Xie·· 3 小时前AI 评分47
ReTerm 用自身失败训练恢复能力，Terminal-Bench 提升 14.6 分
ReTerm 用自身失败训练恢复能力,Terminal-Bench 提升 14.6 分
AI 导读
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。ReTerm-GRPO 从 agent 自身的失败状态 fork 多个独立自恢复尝试，以是否完成任务为信号做在线强化学习。
来源：AGI Hunt · agihunt.info