Generazione su larga scala di traiettorie agentiche da terminali in ambienti Dockerizzati
Large-Scale Terminal Agentic Trajectory Generation from Dockerized Environments
February 1, 2026
Autori: 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
Abstract
L'addestramento di modelli agentici per compiti basati su terminale dipende criticamente da traiettorie di terminale di alta qualità che catturino interazioni realistiche a lungo orizzonte in diversi domini. Tuttavia, la costruzione di tali dati su larga scala rimane impegnativa a causa di due requisiti fondamentali: \emph{Eseguibilità}, poiché ogni istanza richiede un ambiente Docker adatto e spesso distinto; e \emph{Verificabilità}, poiché output eterogenei dei compiti precludono una verifica unificata e standardizzata. Per affrontare queste sfide, proponiamo TerminalTraj, una pipeline scalabile che (i) filtra repository di alta qualità per costruire ambienti di esecuzione Dockerizzati, (ii) genera istanze di compiti allineate a Docker, e (iii) sintetizza traiettorie agente con codice di validazione eseguibile. Utilizzando TerminalTraj, abbiamo curato 32K immagini Docker e generato 50.733 traiettorie di terminale verificate in otto domini. I modelli addestrati su questi dati con il backbone Qwen2.5-Coder raggiungono miglioramenti prestazionali consistenti su TerminalBench (TB), con guadagni fino al 20\% su TB~1.0 e al 10\% su TB~2.0 rispetto ai rispettivi backbone. Notevolmente, TerminalTraj-32B raggiunge prestazioni solide tra i modelli con meno di 100B di parametri, arrivando al 35.30\% su TB~1.0 e al 22.00\% su TB~2.0, e dimostra un migliorato comportamento di scaling al momento del test. Tutto il codice e i dati sono disponibili su 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.