論文の概要: TermiGen: High-Fidelity Environment and Robust Trajectory Synthesis for Terminal Agents

• arxiv url: http://arxiv.org/abs/2602.07274v1
• Date: Fri, 06 Feb 2026 23:56:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-10 20:26:24.542655
• Title: TermiGen: High-Fidelity Environment and Robust Trajectory Synthesis for Terminal Agents
• Title（参考訳）: TermiGen:端末エージェントのための高忠実環境とロバスト軌道合成
• Abstract要約: TermiGenは検証可能な環境とレジリエントな専門家軌道を合成するためのエンドツーエンドパイプラインである。 TermiGen-Qwen2.5-Coder-32B は TerminalBench 上で 31.3% のパスレートを達成した。
• 参考スコア（独自算出の注目度）: 70.68963723787424
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Executing complex terminal tasks remains a significant challenge for open-weight LLMs, constrained by two fundamental limitations. First, high-fidelity, executable training environments are scarce: environments synthesized from real-world repositories are not diverse and scalable, while trajectories synthesized by LLMs suffer from hallucinations. Second, standard instruction tuning uses expert trajectories that rarely exhibit simple mistakes common to smaller models. This creates a distributional mismatch, leaving student models ill-equipped to recover from their own runtime failures. To bridge these gaps, we introduce TermiGen, an end-to-end pipeline for synthesizing verifiable environments and resilient expert trajectories. Termi-Gen first generates functionally valid tasks and Docker containers via an iterative multi-agent refinement loop. Subsequently, we employ a Generator-Critic protocol that actively injects errors during trajectory collection, synthesizing data rich in error-correction cycles. Fine-tuned on this TermiGen-generated dataset, our TermiGen-Qwen2.5-Coder-32B achieves a 31.3% pass rate on TerminalBench. This establishes a new open-weights state-of-the-art, outperforming existing baselines and notably surpassing capable proprietary models such as o4-mini. Dataset is avaiable at https://github.com/ucsb-mlsec/terminal-bench-env.
• Abstract（参考訳）: 複雑な端末タスクの実行は、2つの基本的な制限によって制約されるオープンウェイト LLM にとって重要な課題である。 実世界のリポジトリから合成された環境は多様でスケーラブルではなく、LLMによって合成された軌道は幻覚に悩まされる。 第二に、標準的な命令チューニングでは、より小さなモデルに共通する単純な誤りをほとんど示さない専門家の軌道を使用する。 これにより、分散ミスマッチが発生し、学生モデルは自身の実行時の障害から回復することができない。 これらのギャップを埋めるために、検証可能な環境とレジリエントな専門家軌道を合成するためのエンドツーエンドパイプラインであるTermiGenを紹介します。 Termi-Genは最初,反復的なマルチエージェントリファインメントループを通じて,機能的に有効なタスクとDockerコンテナを生成する。 次に, トラジェクトリコレクション中にエラーを積極的に注入するGenerator-Criticプロトコルを用い, 誤り訂正サイクルに富んだデータを合成する。 TermiGen-Qwen2.5-Coder-32Bは、このTermiGen生成データセットを微調整して、 TerminalBench上で31.3%のパスレートを達成した。 これにより、新しいオープンウェイトが確立され、既存のベースラインを上回り、o4-miniのような有能なプロプライエタリモデルを上回っている。 Datasetはhttps://github.com/ucsb-mlsec/terminal-bench-env.comで利用可能である。

関連論文リスト

• Terminal-Universe: Turning Agent Trajectories into Scalable Terminal Environments [89.86581796261123]
  それぞれの軌道を再利用可能な環境に変えるためのフレームワークである Terminal-Universe を紹介する。 Terminal-Universeは、トラジェクトリに記録されたファイル操作をリプレイして、エージェントが変更する前に各ファイルを復元し、部分的なワークスペースを生成する。 また、タスクは幅と深さの2つの軸に沿ってスケールします。
  論文  参考訳（メタデータ） (2026-09-03T17:41:05Z)
• Meta-Task: Turning Terminal Task Synthesis into a Terminal Task for Scalable Agent Training [13.580418686043815]
  大規模な端末エージェントの訓練には、多様な検証可能な端末タスクと高品質な対話トラジェクトリが必要である。 既存のメソッドは、タスク生成と実際の実行の切り離しによって生じる信頼性の弱い2つの重要な制限に直面している。 本稿では,ターミナル・ベンチ形式タスク自体として端末タスク合成を再定義するMeta-Taskを提案する。
  論文  参考訳（メタデータ） (2026-07-30T09:41:08Z)
• CLI-Universe: Towards Verifiable Task Synthesis Engine for Terminal Agents [40.27594136040026]
  端末エージェントタスクを構成する合成エンジンCLI-Universeを紹介する。 CLI-Universe-6Kと呼ばれる6000のトラジェクトリのデータセットをインスタンス化する。 注目すべきは、CLI-Universe-6K上の微調整Qwen3-32Bはターミナルベンチ2.0で33.4%に達することである。
  論文  参考訳（メタデータ） (2026-06-22T05:50:23Z)
• LiteCoder-Terminal: Scaling Long-Horizon Terminal Environments for Learning Language Agents [74.07551833809536]
  ドメイン仕様から直接端末トレーニング環境を生成するゼロ依存パイプラインである LiteCoder-Terminal-Gen を紹介する。 このフレームワークを用いて,10ドメインにわたる11,255のエキスパートトラジェクトリからなるLiteCoder-Terminal-SFTと,トラジェクトリレベルの優先度最適化のための602の検証可能な環境を備えたLiteCoder-Terminal-RLという2つの大規模リソースを構築した。
  論文  参考訳（メタデータ） (2026-05-28T08:11:57Z)
• Terminal-World: Scaling Terminal-Agent Environments via Agent Skills [52.39713754337834]
  エージェントスキルを中心的な合成プリミティブとして利用する完全自動化パイプラインである Terminal-World を紹介する。 我々は,5,723のトレーニング環境を構築し,端末-ワールド-8B/14B/32Bを6つのベンチマークで評価した。 Terminal-World-32B は Terminal-Bench 2.0 で Nemotron-Terminal-32B を +4.5 Pass@1 (31.5) で上回り、43.8 Pass@3 に達する。
  論文  参考訳（メタデータ） (2026-05-20T08:14:51Z)
• EnvFactory: Scaling Tool-Use Agents via Executable Environments Synthesis and Robust RL [54.09410318521061]
  本稿では,エージェント強化学習(Agentic RL)トレーニングのための完全に自動化されたフレームワークであるEnvFactoryを紹介する。 EnvFactoryは、認証リソースから自律的に、ステートフルで実行可能なツール環境を探索する。 トポロジーを意識したサンプリングとキャリブレーションによる自然なマルチターン軌道を合成する。 トレーニング効率とダウンストリーム性能が向上し、BFCLv3ではQwen3シリーズモデルを最大15%改善し、MPP-Atlasでは+8.6%、VitaBenchでは+6%向上した。
  論文  参考訳（メタデータ） (2026-05-18T17:37:40Z)
• ChipMATE: Multi-Agent Training via Reinforcement Learning for Enhanced RTL Generation [55.947962672433675]
  ChipMATEは、RTL生成のための最初の自己学習型マルチエージェントフレームワークである。 ChipMATEは産業的な実践に触発され、VerilogエージェントとPythonのリファレンスモデルエージェントをペアにし、相互に出力を検証する。 ChipMATEは、VerilogEval V2で75.0%と80.1%パス@1を4Bと9Bベースモデルで達成している。
  論文  参考訳（メタデータ） (2026-05-13T01:04:21Z)
• ParEVO: Synthesizing Code for Irregular Data: High-Performance Parallelism through Agentic Evolution [13.109726609738749]
  ParEVOは不規則データのための高性能並列アルゴリズムを合成するフレームワークである。 ParEvalベンチマークでは、ParEVOは平均106倍のスピードアップ、複雑な不規則グラフ問題に対する堅牢な13.6倍のスピードアップを達成する。
  論文  参考訳（メタデータ） (2026-03-03T01:41:07Z)
• On Data Engineering for Scaling LLM Terminal Capabilities [62.14352406328365]
  最先端の端末エージェントの背後にあるトレーニングデータ戦略はほとんど公表されていない。 端末エージェントのデータエンジニアリングプラクティスの体系的研究を通じて,このギャップに対処する。 当社のパイプラインは,端末タスク用の大規模オープンソースデータセットである Terminal-Corpus を生成する。
  論文  参考訳（メタデータ） (2026-02-24T18:51:04Z)
• Agent World Model: Infinity Synthetic Environments for Agentic Reinforcement Learning [62.499592503950026]
  大規模言語モデル(LLM)は、ツールや環境とのマルチターンインタラクションを必要とする複雑なタスクを実行するために、自律エージェントに権限を与えている。 完全合成環境生成パイプラインであるエージェント・ワールド・モデル(AWM)を提案する。 私たちは、エージェントがリッチなツールセットと対話できる、毎日のシナリオをカバーする1,000の環境にスケールします。
  論文  参考訳（メタデータ） (2026-02-10T18:55:41Z)
• Beyond Quantity: Trajectory Diversity Scaling for Code Agents [51.71414642763219]
  Trajectory Diversity Scalingは、コードエージェントのためのデータ合成フレームワークである。 TDScalingは、(1)実際のサービスの論理的依存関係をキャプチャするBusiness Clusterメカニズム、(2)軌道コヒーレンスを強制するブループリント駆動のマルチエージェントパラダイム、(3)ロングテールシナリオを指向する適応的な進化メカニズムの4つの革新を統合しています。
  論文  参考訳（メタデータ） (2026-02-03T07:43:03Z)
• MERGETUNE: Continued fine-tuning of vision-language models [77.8627788911249]
  微調整視覚言語モデル(VLM)は、しばしば事前訓練された知識を破滅的に忘れてしまう。 ゼロショットモデルに適応した後に事前学習した知識を回復するための新しいパラダイムである連続微調整(CFT)を導入する。
  論文  参考訳（メタデータ） (2026-01-15T15:15:53Z)
• From Failure to Mastery: Generating Hard Samples for Tool-use Agents [40.331752086107265]
  HardGenは、検証可能な推論を備えたハードツール使用トレーニングサンプルを生成するように設計された自動エージェントパイプラインである。 高度なツールとハードクエリにより、検証可能な複雑なChain-of-Thought(CoT)の生成が可能になる 私たちのコード、モデル、データセットは、将来の研究を促進するためにオープンソース化されます。
  論文  参考訳（メタデータ） (2026-01-04T11:56:33Z)
• GRASP: Guided Residual Adapters with Sample-wise Partitioning [10.504309161945065]
  GRASP: サンプル分割によるガイド型残留アダプタを提案する。 長尾MIMIC-CXR-LTデータセットでは、GRASPは特に稀なクラスにおいて優れたFIDと多様性のメトリクスを得る。
  論文  参考訳（メタデータ） (2025-12-01T13:43:17Z)
• Agentic Reinforcement Learning for Real-World Code Repair [7.512134741776294]
  実際のリポジトリで信頼性の高いコード修正エージェントをトレーニングするという課題に取り組みます。 修正後のビルド検証として成功した検証可能なパイプラインを開発しました。 大規模強化学習のためのスケーラブルな簡易パイプラインを導入した。
  論文  参考訳（メタデータ） (2025-10-24T23:25:02Z)
• Reinforcement Learning for Machine Learning Engineering Agents [52.03168614623642]
  強化学習によって改善される弱いモデルによって支援されるエージェントは、はるかに大きいが静的モデルによって支援されるエージェントよりも優れていることを示す。 分散非同期RLフレームワークにおいて,高コストかつ高利回りな動作を増幅するための時間依存性の勾配更新を提案する。 また,早期に失敗するプログラムとほぼ正しくないプログラムを区別し,部分クレジットを提供する環境機器を提案する。
  論文  参考訳（メタデータ） (2025-09-01T18:04:10Z)
• SWE-Synth: Synthesizing Verifiable Bug-Fix Data to Enable Large Language Models in Resolving Real-World Bugs [10.70881967278009]
  本稿では,現実的な検証可能な,プロセス対応のバグフィックスデータセットをリポジトリレベルで合成するフレームワークであるSWE- Synthを紹介する。 手作業で収集したデータセットと比較して、文脈的豊かさと正確さを保ちながら、最小限の人的労力でスケールする。 この結果から,APRとソフトウェア工学の自動化の最先端を推し進めるために,人工エージェント生成データの可能性を強調した。
  論文  参考訳（メタデータ） (2025-04-20T22:37:43Z)
• STAMP: Scalable Task And Model-agnostic Collaborative Perception [24.890993164334766]
  STAMPは、異種エージェントのためのタスクおよびモデルに依存しない協調認識パイプラインである。 計算オーバーヘッドを最小限に抑え、スケーラビリティを高め、モデルのセキュリティを維持する。 第一種フレームワークとしてSTAMPは,スケーラブルでセキュアなモビリティシステムの研究を,レベル5の自律性に向けて進めることを目指している。
  論文  参考訳（メタデータ） (2025-01-24T16:27:28Z)
• OS-Genesis: Automating GUI Agent Trajectory Construction via Reverse Task Synthesis [55.390060529534644]
  グラフィカルユーザインタフェース(GUI)エージェントのための新しいデータ合成パイプラインであるOS-Genesisを提案する。 事前に定義されたタスクに頼る代わりに、OS-Genesisはエージェントがまず環境を認識し、ステップワイドなインタラクションを実行することを可能にする。 我々は,OS-Genesisを用いたGUIエージェントのトレーニングにより,高度に挑戦するオンラインベンチマークの性能が大幅に向上することが実証された。
  論文  参考訳（メタデータ） (2024-12-27T16:21:58Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。