Terminal-Universe框架将代理轨迹转化为可重用终端环境
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载从轨迹还原可执行环境
终端类代码智能体产生的执行轨迹已经积累到相当规模，但可供训练使用的、能够真实运行的环境却相对稀缺。论文作者注意到一个此前被忽略的事实：轨迹里记录的工具调用历史，本身就暴露了当时所处环境的目录结构与文件内容，因此不必从零搭建环境，而可以从轨迹反向重建。Terminal-Universe 的具体做法是重放轨迹中记录的文件操作，把每个文件回退到智能体修改之前的状态，先得到一个不完整的工作区；随后由一个补全智能体补齐缺失的文件与依赖，使工作区达到可执行状态。在恢复出的工作区上，既能复现原始意图对应的任务，也能合成全新的任务。这一路径与直接生成环境不同，它把已有轨迹当作环境结构的线索来源，让每条轨迹转化为可反复查询、可提供执行反馈的环境，而不再只是一次冻结的演示。
任务沿广度与深度扩展
在环境恢复之后，Terminal-Universe 从两个互补方向扩大任务规模。广度方向上，框架挖掘相关环境之间的有向依赖关系，据此合成跨越多个代码库的查询，对应开发者在实际工作中经常需要跨仓库改动的场景。深度方向上，原本的单轮查询被扩展为多轮会话，由用户智能体模拟迭代式反馈与需求细化，使任务从一次性提问变成需要多轮交互才能完成的过程。作者将这套流程应用于公开的终端智能体轨迹，最终得到 37.3k 个任务充分的环境。这个数字的意义在于：它来自对既有轨迹的转化，而非人工逐条搭建，因此环境数量可以随轨迹积累而扩展。
微调带来的能力变化
为验证这批环境的下游价值，作者在 Qwen3.5-27B 上使用该语料进行监督微调。结果显示，模型在 Terminal-Bench 2.1 上的单轮表现提升了 11.9 分，多轮表现则在 EvoCode 相关评测上有所改善。这一对比说明，环境与轨迹在训练中的作用并不等价：轨迹只能提供单次示范，而环境可以被反复查询成多个可验证任务，并给出执行反馈。对关注终端智能体训练数据的读者而言，这项工作的直接含义是，已有轨迹除了作为示范数据之外，还可以作为环境来源被二次利用；其限制也很明确，恢复过程依赖补全智能体补齐缺失部分，得到的是部分工作区而非完整原始环境，任务质量与补全结果相关。
为什么值得看
解决了终端代理训练环境稀缺问题，显著提升了代理在基准测试中的性能表现。
信源1 家
关键事实
相关 · 工具
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。