ReTerm：失败驱动的代码代理进化
← 返回今日版面来源
2 条相关研究者提出 ReTerm 框架，通过构建恢复示范数据集和强化学习信号，让 Code Agent 从自身失败中学习并优化。实验显示，ReTerm 模型在多个任务上比基础模型提升13个百分点以上，验证了失败驱动的自我改进路径的有效性。
代码写错、命令报错、环境配置错误，Code Agent接下来会做什么？复杂终端任务中，一次错误可能引发一系列无效操作：重复安装已装依赖，沿错误假设修改代码，直至耗尽预算或任务失败。这些失败能否成为Agent自我改进的训练材料？来自复旦大学和香港中文大学的研究探讨了失败驱动的自我改进机制。