机器之心 (微信公众号)T2·78 分
ReTerm 提出失败驱动 RSI，让 Code Agent 从错误中自我进化
原标题：让Code Agent从自己的错误中进化：ReTerm探索失败驱动的RSI
- ReTerm 探索了由自身错误驱动的递归自我改进（RSI）路径，将失败转化为训练材料。
- 通过构建“遇到问题-尝试恢复-根据成败更新参数”的闭环，模型能动态适应不断变化的失败模式。
- 实验显示，相比标准 GRPO，ReTerm 训练的模型在 PyStan 等案例中能更准确地定位环境状态并找到恢复方向。