terminal-environments

本文研究了什么使交互轨迹对训练基于终端的AI智能体有效，介绍了Terminal-Lego流程，并揭示了一个教学悖论：较弱的智能体可以产生更好的训练数据。研究发现，环境基础监督（而非教师性能）是学生泛化能力的关键。

LiteCoder-Terminal-Gen 引入了一种零依赖的合成管道，可生成可执行的终端训练环境，并产出 SFT 和 RL 数据集，使语言智能体在 Terminal Bench 基准测试上取得显著的性能提升。