关于扩展大语言模型终端能力的数据工程研究

尽管大语言模型的终端能力进展迅速，但其背后的训练数据策略仍不透明。本文系统研究了终端 Agent 的数据工程实践，主要贡献包括：提出轻量级合成任务生成流水线 Terminal-Task-Gen，支持基于种子和技能的构建；全面分析数据过滤、课程学习及长上下文训练等策略。由此构建的大规模开源数据集 Terminal-Corpus 用于训练 Nemotron-Terminal 系列模型，在 Terminal-Bench 2.0 上性能显著提升，小模型媲美更大规模模型表现。