搜索

让Code Agent从自己的错误中进化：ReTerm探索失败驱动的RSI（在新窗口打开）

ReTerm 让终端智能体保留自身失败后的环境，尝试多种恢复办法，再用验证结果训练策略。研究发布约万条恢复轨迹，并报告9B模型在终端与软件工程基准上的提升；多数错误类别的恢复率仍不高，改进有明确边界。