#Terminal Agent

4 篇

Scaling Agentic Data for Long-Horizon Terminal Intelligence

面向长程终端智能体的可扩展数据合成引擎与 27B 模型

🧭 终端 Agent 长程数据合成与 SFT

University of Science and Technology of China · AMAP, Alibaba Group · Southern University of Science and Technology

TerminalHorizon 自动合成长程终端 Agent 数据，1.5K 环境 SFT Qwen3.5-27B 后在 12 个 benchmark 全面提升

📌 工作参考价值（4 点）

长程 Agent SFT 数据不能只靠环境自动补全，关键要保留“探索-试错-验证”证据链；在电商 Agent 场景（比价、选品、售后排查、广告账户优化）可借鉴“独立执行识别被省略的关键工作”，避免环境和工具过度简化导致模型只会调用工具、不会解决真实问题。
渐进式任务扩展：同一目标下不断加入依赖前序结果的新需求，可构造多阶段、有长期依赖的训练轨迹；适合推荐/广告 Agent 的“分析→策略→执行→复盘”流程，增强模型跨阶段一致性与反馈利用能力。
将环境重构证据显式纳入数据生产 pipeline，可自动化产出高质量 long-horizon trajectories，降低人工标注长程 Agent 数据成本；可结合内部 terminal/sandbox 工具做 RSI-style 自改进评估。
论文偏 terminal/coding agent，但 SFT 后通用推理提升的结论有迁移价值：可尝试用少量真实业务环境数据微调本地 LLM Agent，重点保留长期反馈与交付物迭代过程。

Agent | 2026-10-08 | HF Daily | score 7/10

依赖感知的终端智能体策略优化

🧭 终端 Agent · 依赖感知信用分配

Southeast University · Huawei Noah's Ark Lab

提出 DepGPO，用命令间读写依赖图反向追踪，把优势分配到真正影响结果的步骤

📌 工作参考价值（4 点）

对多步 Agent 业务（如推荐 Agent 先检索后排序再生成文案），可以借鉴依赖图思路：记录中间工具调用的读写资源，从最终业务指标反向追踪哪些调用真正影响了结果，再做细粒度 credit assignment，减少无关步骤的梯度噪声。
训练 LLM Agent 时，trajectory-level advantage 会平均分配到所有 step，导致无关操作也获得信号；可以按依赖相关性重分配 advantage，只强化对最终 verifier 关注资源有贡献的 write/read 步骤，提升样本效率与训练稳定性。
工程实现上只需保存 execution trace 并解析命令间文件/变量读写关系，成本较低；在终端、代码或工具调用类 Agent 的 RL 训练中易于落地。
对电商搜索推荐中“多轮改写-召回-排序”的 Agent 链路，可以类比为命令依赖图，识别哪些改写或过滤动作对最终成交/点击有实际贡献，后续可用于诊断或弱监督信号设计。

Agent | 2026-10-02 | cs.AI | score 7/10

对抗求解器校准的终端任务生成系统CalibForge

🧭 Agent 训练数据合成 · 难度对抗校准

Renmin University of China · Independent Researcher · AweAI Team

通过对抗性多求解器校准生成难度适中的终端任务，显著提升agent训练效果与泛化能力

📌 工作参考价值（4 点）

Agent 训练数据构建范式：用强弱求解器对比（Strong-Pass/Weak-Fail）定位“可学习难度区间”，过滤过难/过易样本，可直接用于电商 Agent 任务合成（如购物决策、客服问答）来提升数据效率。
多求解器对抗校准：利用异质求解器池的不一致性来生成训练信号，类似集成/分歧挖掘，可借鉴用于搜索推荐 Agent 的多模型协作场景，例如用不同规模模型筛选高信息量训练样本。
任务难度自适应生成：通过迭代对抗修订（adversarial revision），让任务难度贴合当前模型能力边界，该方法可复制到生成式广告文案评估、自动化测试等需要动态难度控制的 Agent 任务中。
跨任务泛化验证：在 Terminal-Bench、SWE-bench、Doc2Repo 上均大幅提升，说明校准后的训练数据增强了 Agent 的通用规划与推理能力，对构建电商领域跨场景的通用 Agent 有参考价值。

Agent | 2026-08-05 | HF Daily | score 7/10

面向长程终端任务的递归合成框架

🧭 递归合成 · 终端Agent训练任务 ★ 深度解读

Tencent HY LLM Frontier · University of Georgia · University of Maryland, College Park · University of Pennsylvania · Indiana University

递归扩展验证式合成，每任务$0.05且难度持续攀升，显著提升Agent长程执行能力。

📌 工作参考价值（4 点）

递归合成框架可自动化生成难度递进的训练任务：从已有种子任务出发，扩展解决方案、重对齐验证器与指令，沙箱验证通过即接受，可用于构建持续提升的 agent 训练课程。
低成本大规模验证数据：每任务约 $0.05，且验证成功率高，对需要可执行、可验证的训练场景（如电商客服工具调用 Agent）有直接借鉴。
多样性控制策略：通过种子 lineage 上限、重写操作符多样化、领域分布保持等手段，避免合成数据多样崩塌；可迁移到推荐或对话系统中自动生成多样化训练样本的流程。
合成数据结合 PPO 训练可显著提升 Agent 长程规划与工具使用：Qwen3.5-27B 在 Terminal-Bench 2 上相对基座提升 20.0%，表明即使无人工标注，仅靠合成任务和可执行奖励也能获得强泛化能力。

Agent | 2026-08-04 | HF Daily | score 8/10