让 Code Agent 从自己的错误中进化：ReTerm 探索失败驱动的 RSI

针对 Code Agent 在复杂终端任务中易陷入错误后无效操作、难以从失败中学习的问题，相关研究者提出 ReTerm 框架，探索由自身错误驱动的递归自我改进路径。该方法先构建万级规模的恢复示范数据集完成冷启动，让模型从自身产生的失败现场学习恢复操作，再通过 ReTerm-GRPO 让智能体自主尝试修复自身错误，将修复成败转化为强化学习信号更新参数，形成「产生失败-尝试恢复-迭代优化」的闭环。实验显示，9B 参数的 ReTerm 模型在终端操作、软件工程等多个评测上相比基础模型均取得 13 个百分点以上的提升，收益可迁移到不同运行框架，还能泛化到数学推理、表格操作等其他任务领域，多类错误的恢复率均高于基础模型与常规强化学习方案，验证了从自身失败中学习恢复是提升终端智能体能力的有效路径，也为失败驱动的递归自我改进提供了可落地的实验切入点。