AI 前沿
TerminalHorizon 研究:让终端智能体学习持续完成复杂任务
研究团队提出自动合成长程终端任务数据的方法,并用 1,500 个任务环境训练 TerminalHorizon-27B。论文报告其在 12 项评估中获得提升,今日被收录于 Hugging Face Papers。
TerminalHorizon 是一项关于长程终端智能体训练的研究,论文于 10 月 9 日提交 arXiv,10 月 13 日被收录到 Hugging Face Papers。它关注模型如何在复杂专业任务中持续探索、积累证据、修正方法,并把中间结果做成最终交付物,而不只是学会几条终端命令。
团队提出自动合成训练任务的方法。一个问题是,构造训练环境时可能提前完成关键工作,导致模型无需真正探索或验证就能拿到答案。TerminalHorizon 通过独立执行发现这类缺失环节,再根据执行得到的证据重建环境,并在同一目标下逐步增加后续要求。
论文使用约 1,500 个任务环境产生训练数据,对 Qwen3.5-27B 进行监督微调,得到 TerminalHorizon-27B。作者报告它在覆盖编程智能体、专业任务和一般推理的十二项评估中取得提升;另外还安排了每项十二小时预算的案例,观察模型是否会持续实验、根据反馈改进并保留有效结果。
这些结论来自研究团队的评估,不能直接等同于任意电脑任务都能稳定运行十二小时。截至本版,公开论文与 Hugging Face 页面已可访问,社区页也列出了相关模型和数据集入口。它不是 10 月 13 日刚发布的新论文;本版收录的是近期研究在当天进入社区视野这一进展。