TermiGen：面向终端代理的高保真环境与鲁棒轨迹合成

执行复杂终端任务对开源大语言模型仍是巨大挑战，主要受限于高保真可执行训练环境的匮乏及标准指令微调中专家轨迹缺乏常见错误导致的分布不匹配。为此，本文提出 TermiGen，一种端到端流水线，用于合成可验证环境及具备韧性的专家轨迹。该方法首先生成功能有效的任务与 Docker 容器，随后利用生成器 - 批评者协议主动注入错误，合成富含错误修正循环的数据。基于此数据集微调的模型在 TerminalBench 上取得 31.3% 的通过率，确立了开源模型的新最先进水平。