論文の概要: Scaling Agentic Data for Long-Horizon Terminal Intelligence

• arxiv url: http://arxiv.org/abs/2610.13166v1
• Date: Fri, 09 Oct 2026 07:55:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-13 04:06:29.461505
• Title: Scaling Agentic Data for Long-Horizon Terminal Intelligence
• Title（参考訳）: 長距離端末インテリジェンスのためのエージェントデータのスケーリング
• Abstract要約: 端末エージェントのための完全自動データ合成エンジンである TerminalHorizon を紹介する。 独立した実行を使用して、建設中に省略された重要な作業を特定し、その結果のエビデンスを使って環境再建を導く。 我々は,コーディングエージェントタスク,実運用環境におけるエージェントタスク,一般的な推論にまたがる12のベンチマークにおいて,大幅なパフォーマンス向上を実現している。
• 参考スコア（独自算出の注目度）: 39.810216055463606
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Terminal agents are moving beyond local operations toward completing real-world professional tasks. Short trajectories can demonstrate commands and tool calls, but they do not fully show how agents accumulate evidence through exploration, use it to inform judgments, continually adjust strategies based on feedback, and turn intermediate results into final deliverables. High-quality long-horizon trajectories capture these agentic behavioral patterns and their connections within a single problem-solving process, providing richer experience for sustained autonomous work. However, environment synthesis may complete or simplify the key work underlying these patterns in advance and thus remove the need for exploration, implementation, and verification that the agent was meant to perform. To address this, we introduce TerminalHorizon, a fully automated data synthesis engine for long-horizon terminal agents. Starting from real-world professional work, it uses independent execution to identify key work omitted during construction and uses the resulting evidence to guide environment reconstruction. To extend these patterns across stages, it progressively expands tasks under the same goal, introducing new requirements that build on prior results and call for further exploration and improvement. Using this engine, we construct 1.5K task environments and perform supervised fine-tuning of Qwen3.5-27B on the resulting dataset to obtain TerminalHorizon-27B. We achieve substantial performance gains on all 12 benchmarks spanning coding-agent tasks, agentic tasks in real-world production settings, and general reasoning. Multiple RSI case studies, each with a 12-hour research budget, further demonstrate the model's ability to continue experimenting beyond an initial solution, improve its methods based on feedback, and retain effective improvements in its final deliverables.
• Abstract（参考訳）: ターミナルエージェントは、現地での業務を超えて、現実のプロフェッショナルなタスクを完了しようとしている。 短い軌跡ではコマンドやツールコールが示されるが、エージェントが調査を通じて証拠を蓄積し、判断を通知し、フィードバックに基づいて戦略を継続的に調整し、中間結果を最終成果物に変換する方法を十分に示していない。 高品質なロングホライゾン軌道は、これらのエージェント的行動パターンとその接続を単一の問題解決プロセス内で捉え、持続的な自律的な作業に対してより豊かな経験を提供する。 しかし、環境合成はこれらのパターンの根底にある重要な作業を事前に完了または単純化し、エージェントが実行する意図のある探索、実装、検証の必要性を取り除くことができる。 そこで本研究では,長期端末エージェントのための完全自動データ合成エンジンであるTerminalHorizonを紹介する。 現実のプロフェッショナルワークから始まり、独立した実行を使用して、建設中に省略された重要な作業を特定し、その結果のエビデンスを使用して環境再建を導く。 これらのパターンを段階的に拡張するため、段階的に同じ目標の下でタスクを拡張し、事前の結果に基づいて構築された新たな要件を導入し、さらなる探索と改善を求める。 このエンジンを用いて、1.5Kタスク環境を構築し、得られたデータセットに基づいてQwen3.5-27Bの教師付き微調整を行い、端末ホライゾン-27Bを得る。 我々は,コーディングエージェントタスク,実運用環境におけるエージェントタスク,一般的な推論にまたがる12のベンチマークにおいて,大幅なパフォーマンス向上を実現している。 12時間の研究予算を持つ複数のRSIケーススタディでは、最初のソリューションを超えて実験を継続し、フィードバックに基づいて手法を改善し、最終的な成果物に効果的な改善を継続する能力をさらに実証している。

関連論文リスト

• RobotWorld: Benchmarking Multimodal Agents for Robot Use Across Diverse Tasks and Embodiments [91.39996227368]
  汎用エージェントはますます、コードを書き、ツールを使い、複雑なデジタルタスクを完遂し、これらの能力が物理的な世界にどこまで浸透するかという疑問を提起している。 ロボットのインタフェースを通じて、指示や観察を物理的タスクの実行に変換するという、ロボット利用のための挑戦的なシミュレーションテストベッドであるRobotWorldを紹介した。 タスク結果と実行トレースを分析して、転送する機能と、信頼性の高い完了を防ぐギャップの両方を識別する。
  論文  参考訳（メタデータ） (2026-10-07T16:55:24Z)
• Execution-First Synthetic Tool-Use Trace Generation for LLM Agents [10.291533584425252]
  SyntheticAgentTraceQAは、ツールエージェントのためのスケーラブルな監視データを生成するための実行ファーストフレームワークである。 4つのツールエコシステムにまたがるフレームワークを評価し、結果のデータを微調整し、Qwenモデルの変種を評価する。
  論文  参考訳（メタデータ） (2026-07-31T08:52:26Z)
• AgentGym2: Benchmarking Large Language Model Agents in De-Idealized Real-World Environments [84.8170304874972]
  我々はAgentGym2について紹介する。これは実世界の作業要求に根ざしたタスクインスタンスを備えた新しい評価フレームワークである。 エージェントのエンドツーエンドのプロシージャの実行能力を測定し、探索を通じてツールを発見し、目に見えないタスクのためのツールを作成し、ノイズや不特定情報に対して堅牢な状態を保つ。
  論文  参考訳（メタデータ） (2026-07-06T14:56:51Z)
• Running the Gauntlet: Re-evaluating the Capabilities of Agents Beyond Familiar Environments [67.2234316079859]
  GauntletBenchは、挑戦的なシナリオでエージェントの一般化を評価するためのWebベースのベンチマークである。 調査されていない5つのプロフェッショナルアプリケーションにわたる3つの機能(時間的知覚、グラフィカルな理解、そして3D推論)に焦点を当てている。 実験結果から,フロンティアエージェントシステムは人間レベルの性能を達成するには程遠いことが判明した。
  論文  参考訳（メタデータ） (2026-06-12T12:32:24Z)
• GTA-2: Benchmarking General Tool Agents from Atomic Tool-Use to Open-Ended Workflows [90.35728421223673]
  GTA-2はジェネラル・ツール・エージェント(GTA)の階層的なベンチマークである 現実世界の認証に基づいて構築され、実際のユーザクエリ、デプロイツール、マルチモーダルコンテキストを活用する。 実験では、フロンティアモデルは既に原子タスクに苦戦しているが、トップモデルは14.39%の成功しか達成していない。
  論文  参考訳（メタデータ） (2026-04-17T05:36:00Z)
• FT-Dojo: Towards Autonomous LLM Fine-Tuning with Language Agents [25.60249598832918]
  FT-Dojoは5つのドメインにわたる13のタスクからなる対話型環境である。 我々は、評価駆動フィードバックを活用することで、人間の専門家を模倣する自律システムFT-Agentを開発した。
  論文  参考訳（メタデータ） (2026-03-02T10:37:11Z)
• LongCLI-Bench: A Preliminary Benchmark and Study for Long-horizon Agentic Programming in Command-Line Interfaces [65.11019654023978]
  LongCLI-Benchは、長期にわたる現実的なタスクにまたがるエージェント能力を評価するために設計されたベンチマークである。 私たちは、1000以上のコンピュータサイエンスの課題と現実世界のタスクから、20の高品質で長い水平タスクをキュレートしました。 実験によると、最先端のエージェントでさえLongCLI-Benchの20%未満のパスレートを達成する。
  論文  参考訳（メタデータ） (2026-02-15T23:12:57Z)
• Experience-Driven Multi-Agent Systems Are Training-free Context-aware Earth Observers [27.817039954088315]
  ツールレベルの専門知識を学習するための自己進化型マルチエージェントシステムである textbfGeoEvolver を紹介する。 GeoEvolverはエンドツーエンドのタスクの成功を継続的に改善し、複数のバックボーンで平均12%向上することを示す。
  論文  参考訳（メタデータ） (2026-01-30T15:11:07Z)
• Scaling Environments for LLM Agents in the Era of Learning from Interaction: A Survey [30.673419015614233]
  エージェントは環境と直接対話し、強化学習を通じて経験から学ぶべきだという意見が高まりつつある。 本稿では,この反復処理をGEFループとして定式化し,環境がエージェントに挑戦するためのタスクを生成し,タスク実行中のエージェントの動作に応答して観察を返却し,その後の学習のためのロールアウトに対する評価フィードバックを提供する。 このパラダイムの下では、環境は経験的データの必須生産元として機能し、より複雑な、現実主義、対話性へのスケールの必要性を強調している。
  論文  参考訳（メタデータ） (2025-11-12T12:56:25Z)

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。