Terminal Agent Reinforcement Learning Dataset Construction Tool Use
摘要

大型语言模型正转向通过多样接口解决任务的代理，其中终端命令行涵盖系统操作至数据科学等广泛任务。然而，终端代理训练面临缺乏自然监督数据及可扩展环境的挑战。本文提出 SETA，一个用于生成可验证终端强化学习环境的可扩展框架。该框架包含两条流水线：SETA-Synth 将多源数据转化为标准环境，SETA-Evol 通过自适应控制难度与多样性扩展现有环境。基于此构建了包含超 4500 个环境的开源数据集 SETA-Env。实验表明，在该数据集上训练的模型在 Terminal-Bench 2.0 上取得了同规模最佳结果，显著提升了终端代理的工具使用能力。

AI 推荐理由

论文核心在于构建终端代理的训练环境与数据集，直接提升 Agent 使用命令行工具的技能。

研究机构
CAMEL-AI.org Imperial College London University College London SambaNova KAUST RadixArk University of Nottingham
论文信息
作者 Qijia Shen, Zhiqi Huang, Vamsidhar Kamanuru, Aznaur Aliev, Jay Rainton et al.
发布日期 2026-07-12
arXiv ID 2607.10891
相关性评分 9/10 (高度相关)
arXiv 页面 下载 PDF Code DeepWiki