概念ReTerm-9B
ReTerm
一种通过从自身失败任务中学习恢复来实现自我改进的终端智能体方法，采用SFT冷启动加在线强化学习ReTerm-GRPO的两阶段训练范式。
时间轴 (近 90 天)
10月14日
ReTerm 是一种通过「学习如何从自身失败任务中恢复」来实现自我改进的终端智能体。
待验证50%
10月14日
ReTerm 的所有代码、数据与模型均已在 GitHub 仓库（twothsnd/ReTerm）开源发布。
待验证50%
一种通过从自身失败任务中学习恢复来实现自我改进的终端智能体方法，采用SFT冷启动加在线强化学习ReTerm-GRPO的两阶段训练范式。
ReTerm 是一种通过「学习如何从自身失败任务中恢复」来实现自我改进的终端智能体。
ReTerm 的所有代码、数据与模型均已在 GitHub 仓库（twothsnd/ReTerm）开源发布。