arXiv · Machine Learning· Wei Xie, Kaituo Feng, Shiming Fu, Yong Liu, Xiangyu Yue, Shuangjia Zheng·· 10 小时前AI 评分70
ReTerm：面向自我改进终端智能体的恢复训练
ReTerm: Recovery Training for Self-Improving Terminal Agents
AI 导读
ReTerm提出通过学习自身失败任务来训练终端智能体恢复能力，构建了用于SFT冷启动的ReTerm-10K数据集，并提出从失败状态分叉生成多次自恢复尝试的ReTerm-GRPO算法。
来源：arXiv · Machine Learning · arxiv.org