Terminal-Universe: エージェント軌跡をスケーラブルなターミナル環境へ変換する

Terminal-Universe: Turning Agent Trajectories into Scalable Terminal Environments

September 3, 2026

著者: Jie Wu, Zhenru Zhang, Beichen Zhang, Xuwu Wang, Yuhui Su, Mouxiang Chen, Peng Wang, Zhihai Wang, Que Shen, Hao Zhou, An Yang, Fei Huang, Yujiu Yang, Dayiheng Liu

cs.AI

要旨

ターミナルベースのコードエージェントが普及するにつれ、エージェントのトラジェクトリは大規模に蓄積されてきたが、現実的で実行可能な環境は依然として不足している。しかし、エージェントのポストトレーニングが実際に必要とするのは環境である。各環境は再クエリすることで多くの検証可能なタスクに変換でき、実行フィードバックを提供する。一方、トラジェクトリは単一の凍結されたデモンストレーションにすぎない。我々は、環境をゼロから生成する代わりに、既存のトラジェクトリ内のツール実行履歴が、その実行環境の構造と内容を明らかにすることに着目する。これにより、トラジェクトリ自体からそれらの環境を再構築することが可能になる。そこで我々は、各トラジェクトリを再利用可能な環境に変換し、それを探索して新しいタスクの合成と継続的なインタラクションを行うフレームワーク、Terminal-Universeを提案する。具体的には、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、エージェントが変更する前の各ファイルを復元することで部分的なワークスペースを得る。その後、補完エージェントが欠落しているファイルと依存関係を供給する。この復元されたワークスペース上で、元の意図タスクを再構築すると同時に、完全に新しいタスクも合成する。さらに、我々はタスクの拡張を「広さ」と「深さ」という補完的な2つの軸に沿って行う。広さの軸では、関連する環境間の有向依存関係をマイニングし、実世界の開発で開発者が日常的に行うように、複数のコードベースにまたがるワークスペース横断クエリを合成する。深さの軸では、初期のシングルターンクエリを、ユーザーエージェントによる反復的なユーザーフィードバックと要件の洗練を捉えるマルチラウンドセッションへと拡張する。公開されているターミナルエージェントのトラジェクトリに適用したところ、Terminal-Universeは37.3k個のタスク実行に十分な環境を生成した。このコーパスを用いたQwen3.5-27Bの教師ありファインチューニングにより、Terminal-Bench 2.1のシングルラウンド性能は11.9ポイント、EvoCode-Bench v2 MT@4のマルチラウンド性能は13.8ポイント向上した。

English

As terminal-based code agents become prevalent, agent trajectories have accumulated at scale, while realistic, executable environments remain scarce. However, environments are what agent post-training actually requires: each can be re-queried into many verifiable tasks and provides execution feedback, whereas a trajectory is a single frozen demonstration. Rather than generating environments from scratch, we observe that the tool-execution history in existing trajectories exposes the structure and contents of the environments in which they ran, making it possible to reconstruct those environments from the trajectories themselves. Thus, we introduce Terminal-Universe, a framework which turns each trajectory into a reusable environment and explores it for synthesizing new tasks and continued interactions. Specifically, Terminal-Universe replays the file operations recorded in a trajectory to restore each file before the agent modified it, yielding a partial workspace; a completion agent then supplies the missing files and dependencies. On this recovered workspace, we both reconstruct the original intent task and synthesize entirely new ones. Besides, we also scale the tasks along two complementary axes: breadth and depth. For breadth, we mine directional dependency relations between related environments and synthesize cross-workspace queries spanning multiple codebases, as developers routinely do in real-world development. For depth, we extend the initial single-turn query into a multi-round session that captures iterative user feedback and requirement refinement via a user agent. Applied to public terminal agent trajectories, Terminal-Universe produces 37.3k task-sufficient environments. Supervised fine-tuning of Qwen3.5-27B on this corpus improves single-round performance on Terminal-Bench 2.1 by 11.9 points and multi-round performance on EvoCode-Bench v2 MT@4 by 13.8 points.