摘要
终端智能体已成为语言模型最流行的下游应用，但基于强化学习的训练研究尚少。本文提出 Tmax，这是目前最强的开源终端智能体强化学习方案。通过结合难度控制、角色设定和验证器多样化的新分类法，我们低成本生成了大规模终端环境数据用于训练。该方案仅用 9B 参数模型即在 Terminal-Bench 2.0 上达到 27% 的准确率，超越以往更大模型。我们开源了数据集、模型及代码，为未来研究提供强力基线。
AI 推荐理由
论文核心研究终端 Agent 的工具使用能力，通过 RL 训练提升其执行命令行任务的技能。
研究机构
Allen Institute for AI
University of Washington
论文信息