基于Docker化环境的大规模终端智能体轨迹生成

# 基于 Docker 环境的大规模终端代理轨迹生成
来源: https://arxiv.org/abs/2602.01244
作者: Siwei Wu (https://arxiv.org/search/cs?searchtype=author&query=Wu,+S), Yizhi Li (https://arxiv.org/search/cs?searchtype=author&query=Li,+Y), Yuyang Song (https://arxiv.org/search/cs?searchtype=author&query=Song,+Y), Wei Zhang (https://arxiv.org/search/cs?searchtype=author&query=Zhang,+W), Yang Wang (https://arxiv.org/search/cs?searchtype=author&query=Wang,+Y), Riza Batista\-Navarro (https://arxiv.org/search/cs?searchtype=author&query=Batista-Navarro,+R), Xian Yang (https://arxiv.org/search/cs?searchtype=author&query=Yang,+X), Mingjie Tang (https://arxiv.org/search/cs?searchtype=author&query=Tang,+M), Bryan Dai (https://arxiv.org/search/cs?searchtype=author&query=Dai,+B), Jian Yang (https://arxiv.org/search/cs?searchtype=author&query=Yang,+J), Chenghua Lin (https://arxiv.org/search/cs?searchtype=author&query=Lin,+C)

查看 PDF (https://arxiv.org/pdf/2602.01244)

> **摘要:** 训练用于终端任务的代理模型，关键在于高质量的终端轨迹，这些轨迹必须捕捉跨多个领域的真实长程交互。然而，大规模构建此类数据仍面临挑战，主要源于两个关键需求：**可执行性** —— 每个实例都需要一个合适且往往不同的 Docker 环境；以及**可验证性** —— 因为异构任务输出无法进行统一、标准化的验证。为解决这些问题，我们提出 **TerminalTraj**，一个可扩展的流水线，它能够（i）筛选高质量仓库以构建 Docker 化的执行环境，（ii）生成与 Docker 对齐的任务实例，以及（iii）合成带有可执行验证代码的代理轨迹。利用 TerminalTraj，我们整理了 32K 个 Docker 镜像，并生成了覆盖八个领域的 50,733 条验证后的终端轨迹。基于 Qwen2.5-Coder 主干网络训练得到的模型在 TerminalBench（TB）上持续表现出性能提升，在 TB~1.0 上最高提升 20%，在 TB~2.0 上最高提升 10%。值得注意的是，**TerminalTraj-32B** 在参数少于 100B 的模型中取得了强劲性能，在 TB~1.0 上达到 35.30%，在 TB~2.0 上达到 22.00%，并展现出改进的测试时扩展行为。所有代码和数据均可在以下链接获取：this https URL (https://github.com/Wusiwei0410/TerminalTraj)。

## 提交历史

来自：Siwei Wu [查看电子邮件 (https://arxiv.org/show-email/871455cb/2602.01244)] **[\[v1\]](https://arxiv.org/abs/2602.01244v1)** 2026 年 2 月 1 日（周日）14:09:23 UTC（878 KB） **[\[v2\]](https://arxiv.org/abs/2602.01244v2)** 2026 年 2 月 3 日（周二）14:03:32 UTC（878 KB） **\[v3\]** 2026 年 7 月 17 日（周五）09:43:10 UTC（881 KB）