ReTerm：自我修复终端智能体训练方法

ReTerm是基于Qwen3.5-9B构建的终端智能体，在Terminal-Bench 2.0基准测试上达到34.8%的Pass@1分数，比基础模型提升14.6个百分点。该模型通过ReTerm-10K数据集学习从失败中恢复，采用ReTerm-GRPO在线强化学习算法。研究显示，ReTerm在各类错误恢复率上均优于标准GRPO训练方法。