復旦等提出 ReTerm，讓終端 Agent 從自身失敗中學習恢復
復旦大學、香港中文大學 MMLab 與上海交通大學提出 ReTerm，讓 Code Agent 在自己造成的失敗現場獨立嘗試恢復，再以恢復成敗作為強化學習訊號，形成失敗驅動的遞迴自我改進閉環。ReTerm-9B 在 Terminal-Bench 2.0 上從 20.2% 提升到 34.8%，SWE-bench Verified 從 45.2% 升至 58.4%，OpenThoughts-TBLite 從 44.2% 升至 60.6%，三項均提升超過 13 個百分點。
給出可復現的失敗驅動 RSI 訓練閉環：訓練從模型自己留下的失敗現場開始，而非人工注入錯誤，9B 模型三項評測均提升超 13 點，對研究終端 Agent 與強化學習的人有直接參考價值。
原標題：让Code Agent从自己的错误中进化：ReTerm探索失败驱动的RSI
閱讀原文
| 評分 | 80 / 80（平均 80，門檻 65） |
|---|---|
| 狀態 | 精選 |
相關報導
Google 開源 Harness²，讓 Agent 在執行中改進自身腳手架
Google 開源了 Harness²，這是一套雙層遞迴框架，讓 Agent 在執行時自行修改腳手架、系統提示詞、工具鏈與技能庫。它在沒有標準答案時，用 Propose–Probe–Compose 對改動做行為對比篩選，並把除錯經驗寫進經驗庫，供後續任務檢索複用。實測 GLM-5 在 OpenCode 下執行 WorkBuddy-Bench，得分從 64.2 升到 75.7（+11.5 分），反超未改腳手架的 Gemini 3.5 Flash（72.4）；
哈佛輝達等用 Coding Agent 讓機器人自主探索，五大基準領先 37.4 點
哈佛、輝達、伯克利、MIT 與斯坦福團隊提出 RAX：讓通用 Coding Agent 直接接入機器人的感知與控制介面，靠自主探索把成功決策寫成可執行程式，模型引數全程凍結。
INIT 開源 Rust coding agent，可中途重寫並熱替換自身核心
INIT Labs 開源了 Rust 編寫的 coding agent INIT，它能在同一段對話中重寫並熱替換自己的 harness（提示詞、工具、編譯核心），換核耗時 4.3 秒，並保留 87.9% 的 prompt cache。模型幾乎可以改寫所有層，但永遠不能觸碰 Root：金鑰、簽名記錄與快照都在 Root 中；12 項危害訊號中任意一項觸發，都會回滾改動。一次對 shell 工具的改動因評分偏低被拒絕，9 秒後回滾，記錄 seq 88–90 均帶簽名。
多機構聯合綜述機器人遞迴自我改進，提出 L0-L5 分級
上海交大、UC 伯克利、斯坦福、MIT、Google、微軟、輝達、小米等機構聯合發表論文《Who Improves the Robot? Toward Physical Recursive Self-Improvement》，提出 Physical RSI 概念，並用 L0-L5 分級區分「機器人任務做得更好」與「改進方法本身變得更有效」。論文還梳理了 Harness 適應、模型訓練、安全與驗證的全鏈路路徑，指出目前仍缺少能檢驗遞迴增益的基準，並列出六個待解問題。
蘋果與 CMU 提出 SSR：Agent 推理改為做選擇題，每輪延遲降超 90%
蘋果與卡內基梅隆大學提出 SSR 框架，讓多模態搜尋 Agent 不再逐 token 生成自由形式推理，而是從 6 條預定義推理選項中做選擇題。在 7 個多模態搜尋 benchmark 上，每輪推理延遲降低超過 90%，每題總推理延遲降低 28–54%，p95 推理延遲僅 0.07 秒；4B 模型平均成功率 61.37%，與同規模 SOTA 持平，2B 達 51.26%。推理選擇由模型自身打分完成，不需要額外分類頭，也可跳過 SFT warm start 直接接 RL 訓練。