RecodeX 重构消息，研究者提出ReTerm框架，探索由智能体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提升13个百分点以上，收益可迁移到不同运行框架，并能泛化到数学推理、表格操作等任务，多类错误的恢复率均高于基础模型与常规强化学习方案。