Großskalige Erzeugung agentischer Trajektorien aus Dockerisierten Umgebungen für Terminalanwendungen
Large-Scale Terminal Agentic Trajectory Generation from Dockerized Environments
February 1, 2026
papers.authors: Siwei Wu, Yizhi Li, Yuyang Song, Wei Zhang, Yang Wang, Riza Batista-Navarro, Xian Yang, Mingjie Tang, Bryan Dai, Jian Yang, Chenghua Lin
cs.AI
papers.abstract
Das Training agentischer Modelle für terminalbasierte Aufgaben hängt entscheidend von hochwertigen Terminaltrajektorien ab, die realistische, langfristige Interaktionen über verschiedene Domänen hinweg erfassen. Die Erstellung solcher Daten in großem Maßstab bleibt jedoch aufgrund zweier zentraler Anforderungen herausfordernd: \emph{Ausführbarkeit}, da jede Instanz eine geeignete und oft spezifische Docker-Umgebung erfordert, und \emph{Verifizierbarkeit}, da heterogene Aufgabenausgaben eine einheitliche, standardisierte Überprüfung verhindern. Um diese Herausforderungen zu bewältigen, schlagen wir TerminalTraj vor, eine skalierbare Pipeline, die (i) hochwertige Repositories filtert, um Docker-fähige Ausführungsumgebungen zu konstruieren, (ii) Docker-kompatible Aufgabeninstanzen generiert und (iii) Agententrajektorien mit ausführbarem Validierungscode synthetisiert. Mit TerminalTraj haben wir 32.000 Docker-Images aufbereitet und 50.733 verifizierte Terminaltrajektorien über acht Domänen hinweg generiert. Auf diesen Daten trainierte Modelle mit der Qwen2.5-Coder-Basis erzielen durchgängige Leistungssteigerungen im TerminalBench (TB), mit Verbesserungen von bis zu 20 % bei TB~1.0 und 10 % bei TB~2.0 gegenüber ihren jeweiligen Basismodellen. Besonders hervorzuheben ist, dass TerminalTraj-32B eine starke Leistung unter Modellen mit weniger als 100B Parametern erreicht, mit 35,30 % auf TB~1.0 und 22,00 % auf TB~2.0, und ein verbessertes Skalierungsverhalten zur Testzeit demonstriert. Der gesamte Code und die Daten sind unter https://github.com/Wusiwei0410/TerminalTraj verfügbar.
English
Training agentic models for terminal-based tasks critically depends on high-quality terminal trajectories that capture realistic long-horizon interactions across diverse domains. However, constructing such data at scale remains challenging due to two key requirements: \emph{Executability}, since each instance requires a suitable and often distinct Docker environment; and \emph{Verifiability}, because heterogeneous task outputs preclude unified, standardized verification. To address these challenges, we propose TerminalTraj, a scalable pipeline that (i) filters high-quality repositories to construct Dockerized execution environments, (ii) generates Docker-aligned task instances, and (iii) synthesizes agent trajectories with executable validation code. Using TerminalTraj, we curate 32K Docker images and generate 50,733 verified terminal trajectories across eight domains. Models trained on this data with the Qwen2.5-Coder backbone achieve consistent performance improvements on TerminalBench (TB), with gains of up to 20\% on TB~1.0 and 10\% on TB~2.0 over their respective backbones. Notably, TerminalTraj-32B achieves strong performance among models with fewer than 100B parameters, reaching 35.30\% on TB~1.0 and 22.00\% on TB~2.0, and demonstrates improved test-time scaling behavior. All code and data are available at https://github.com/Wusiwei0410/TerminalTraj.