Génération à grande échelle de trajectoires agentiques terminales à partir d'environnements Dockerisés
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
L'entraînement de modèles agentiques pour des tâches en terminal repose de manière cruciale sur des trajectoires de terminal de haute qualité qui capturent des interactions réalistes à long terme dans divers domaines. Cependant, la construction de telles données à grande échelle reste difficile en raison de deux exigences clés : l’\emph{Exécutabilité}, car chaque instance nécessite un environnement Docker adapté et souvent distinct ; et la \emph{Vérifiabilité}, car l'hétérogénéité des sorties de tâches empêche une vérification unifiée et standardisée. Pour relever ces défis, nous proposons TerminalTraj, un pipeline évolutif qui (i) filtre des dépôts de haute qualité pour construire des environnements d'exécution Dockerisés, (ii) génère des instances de tâches alignées avec Docker, et (iii) synthétise des trajectoires d'agents avec un code de validation exécutable. En utilisant TerminalTraj, nous avons constitué 32 000 images Docker et généré 50 733 trajectoires de terminal vérifiées couvrant huit domaines. Les modèles entraînés sur ces données avec l'architecture de base Qwen2.5-Coder obtiennent des améliorations de performances constantes sur TerminalBench (TB), avec des gains allant jusqu'à 20\% sur TB~1.0 et 10\% sur TB~2.0 par rapport à leurs architectures de base respectives. Notamment, TerminalTraj-32B atteint des performances solides parmi les modèles de moins de 100 milliards de paramètres, avec 35,30\% sur TB~1.0 et 22,00\% sur TB~2.0, et démontre un comportement d'échelle amélioré au moment du test. Tous les codes et données sont disponibles à l'adresse https://github.com/Wusiwei0410/TerminalTraj.
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.