Terminal-Universe: 에이전트 궤적을 확장 가능한 터미널 환경으로 변환

Terminal-Universe: Turning Agent Trajectories into Scalable Terminal Environments

September 3, 2026

저자: 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

초록

터미널 기반 코드 에이전트가 보편화되면서 에이전트 궤적은 대규모로 축적되었지만, 현실적이고 실행 가능한 환경은 여전히 부족하다. 그러나 에이전트 사후 학습이 실제로 요구하는 것은 환경이다. 각 환경은 재질의를 통해 검증 가능한 여러 작업으로 변환될 수 있고 실행 피드백을 제공하는 반면, 궤적은 단일 고정 데모일 뿐이다. 우리는 환경을 처음부터 생성하는 대신, 기존 궤적의 도구 실행 기록이 해당 궤적이 실행된 환경의 구조와 내용을 드러내므로 궤적 자체로부터 그 환경을 재구성하는 것이 가능하다는 점에 주목한다. 이에 따라 우리는 각 궤적을 재사용 가능한 환경으로 변환하고 이를 탐색하여 새로운 작업과 지속적 상호작용을 합성하는 프레임워크인 Terminal-Universe를 제안한다. 구체적으로, Terminal-Universe는 궤적에 기록된 파일 작업을 재생하여 에이전트가 수정하기 전 상태로 각 파일을 복원함으로써 부분 작업 공간을 구성하고, 완성 에이전트가 누락된 파일과 의존성을 보충한다. 이렇게 복구된 작업 공간에서 우리는 원래 의도된 작업을 재구성할 뿐만 아니라 완전히 새로운 작업도 합성한다. 또한 작업을 폭과 깊이라는 두 가지 상보적 축을 따라 확장한다. 폭 측면에서는 관련 환경 간의 방향성 의존 관계를 마이닝하고, 실제 개발에서 개발자들이 일상적으로 수행하는 것처럼 여러 코드베이스에 걸친 교차 작업 공간 쿼리를 합성한다. 깊이 측면에서는 초기 단일 턴 쿼리를 다중 라운드 세션으로 확장하여 사용자 에이전트를 통해 반복적 사용자 피드백과 요구사항 정제를 포착한다. 공개된 터미널 에이전트 궤적에 Terminal-Universe를 적용하면 37.3k개의 작업 수행이 가능한 환경이 생성된다. 이 코퍼스에 대한 Qwen3.5-27B의 지도 미세 조정은 Terminal-Bench 2.1에서 단일 턴 성능을 11.9포인트, EvoCode-Bench v2 MT@4에서 다중 턴 성능을 13.8포인트 향상시킨다.

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.