장기 지평 터미널 지능을 위한 에이전틱 데이터 스케일링

초록

터미널 에이전트는 로컬 작업을 넘어 실제 전문 업무를 완수하는 방향으로 나아가고 있다. 짧은 궤적은 명령과 도구 호출을 보여줄 수 있지만, 에이전트가 탐색을 통해 증거를 축적하고 이를 판단에 활용하며, 피드백에 따라 전략을 지속적으로 조정하고, 중간 결과를 최종 산출물로 전환하는 방식을 충분히 보여주지는 못한다. 고품질 장기(long-horizon) 궤적은 이러한 에이전트적 행동 패턴과 단일 문제 해결 과정 내에서의 이들 간 연결을 포착하여, 지속적인 자율 작업을 위한 더 풍부한 경험을 제공한다. 그러나 환경 합성은 이러한 패턴의 기반이 되는 핵심 작업을 미리 완료하거나 단순화하여, 에이전트가 수행하도록 의도된 탐색, 구현, 검증의 필요성을 제거할 수 있다. 이를 해결하기 위해 우리는 장기 터미널 에이전트를 위한 완전 자동화 데이터 합성 엔진인 TerminalHorizon을 소개한다. 실제 전문 업무에서 출발하여, 독립적 실행을 통해 구축 과정에서 누락된 핵심 작업을 식별하고, 그 결과 얻은 증거를 활용해 환경 재구성을 안내한다. 이러한 패턴을 여러 단계에 걸쳐 확장하기 위해, 동일한 목표 아래에서 작업을 점진적으로 확장하며, 이전 결과를 기반으로 하면서 추가 탐색과 개선을 요구하는 새로운 요구사항을 도입한다. 이 엔진을 사용해 우리는 1.5K개의 작업 환경을 구축하고, 그 결과로 생성된 데이터셋으로 Qwen3.5-27B를 지도 미세 조정하여 TerminalHorizon-27B를 얻는다. 우리는 코딩 에이전트 작업, 실제 프로덕션 환경의 에이전트 작업, 일반 추론을 아우르는 12개 벤치마크 모두에서 상당한 성능 향상을 달성한다. 각각 12시간의 연구 예산을 가진 여러 RSI 사례 연구는 초기 해결책을 넘어 계속 실험하고, 피드백에 기반해 방법을 개선하며, 효과적인 개선을 최종 산출물에 유지하는 모델의 능력을 추가로 입증한다.

English

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.

장기 지평 터미널 지능을 위한 에이전틱 데이터 스케일링

Scaling Agentic Data for Long-Horizon Terminal Intelligence

초록

Support