终端世界：通过代理技能扩展终端代理环境

终端代理扩展了大语言模型，使其能够直接在命令行环境中执行任务，但由于缺乏高质量的训练数据，其进展受到瓶颈。现有的方法从部分来源（例如人类定义的种子或 GitHub 存储库）引导来实例化一个组件，然后完成其余部分，产生的任务仅限于狭窄的种子分布、与任务语义不一致的环境以及来自无指导探索的低效轨迹。为了解决这些限制，我们引入了 Terminal-World，这是一个完全自动化的管道，它使用代理技能作为中央综合原语，共同编码要完成的任务、何时应用（先决条件和环境状态）以及如何执行，从而能够共同导出任务指令、环境和教师轨迹。为了进一步拓宽合成空间，Terminal-World将技能组成技能团队和技能图，以实现多角色、跨领域的任务合成。使用此管道，我们构建了 5,723 个训练环境并训练 Terminal-World-8B/14B/32B，并通过 6 个基准进行评估，其中 Terminal-World 系列始终优于终端代理基准。值得注意的是，使用相同的教师模型和仅 1.2% 的训练数据，Terminal-World-32B 在 Terminal-Bench 2.0 上超过 Nemotron-Terminal-32B +4.5 Pass@1 (31.5)，并达到 43.8 Pass@3。