复旦等提出 ReTerm：终端 Agent 从失败中学习恢复

2026年10月14日报道，复旦大学、香港中文大学、上海交通大学等机构提出 ReTerm，让终端 Agent 从自身的失败任务中学习恢复能力。其方法 ReTerm-GRPO 从 Agent 自身的失败状态出发，fork 出多个相互独立的自我恢复尝试，以任务是否最终完成为信号做在线强化学习。报道称，该方法在 Terminal-Bench 上提升 14.6 分。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。