مقاله‌ی arXiv:2610.13166 · نگه‌داشته برای بعد
Scaling Agentic Data for Long-Horizon Terminal Intelligence
ساخت خودکار داده‌ی طولانی برای ایجنت‌های ترمینال از کار حرفه‌ای واقعی، بدون ساده کردن کار اصلی
- تاریخ
- (۱۷ مهر ۱۴۰۵) 2026-10-09 تأییدشده از روی تاریخ ارسال نسخه‌ی اول در آرکایو
- نویسنده‌ها
- Shun Zou, Ziyu Ma, Yi Zou, Yong Wang, Lin Chen, Zehui Chen, Guanhua Chen, Xiangxiang Chu, Feng Zhao
- نهاد نویسنده‌ها
- University of Science and Technology of China; AMAP, Alibaba Group; Southern University of Science and Technology
- موضوع‌ها
خلاصه‌ی فارسی
مسئله
ایجنت‌های ترمینال از عملیات محلی به سمت انجام کارهای حرفه‌ای واقعی می‌روند. مسیرهای کوتاه دستورها و فراخوانی ابزار را نشان می‌دهند، اما نشان نمی‌دهند ایجنت چطور با کاوش شاهد جمع می‌کند، بر اساس بازخورد راهبردش را عوض می‌کند و نتیجه‌های میانی را به خروجی نهایی تبدیل می‌کند. از طرف دیگر، ساخت محیط ممکن است کار کلیدی را از پیش انجام دهد یا ساده کند و نیاز به کاوش، پیاده‌سازی و تأیید را از بین ببرد.
روش
موتور ساخت داده‌ی کاملاً خودکار TerminalHorizon از کار حرفه‌ای واقعی شروع می‌کند، با اجرای مستقل کار کلیدی‌ای را که در ساخت محیط جا افتاده پیدا می‌کند و با این شواهد محیط را بازسازی می‌کند. برای گسترش این الگوها در چند مرحله، تسک را زیر همان هدف به تدریج بزرگ می‌کند و نیازهای تازه‌ای اضافه می‌کند که بر نتیجه‌های قبلی بنا می‌شوند. با آن ۱۵۰۰ محیط ساخته شد و Qwen3.5-27B روی داده‌ی حاصل با آموزش نظارت‌شده تنظیم شد.
یافته‌ها
- مدل TerminalHorizon-27B در هر ۱۲ بنچمارک، شامل تسک‌های ایجنت کدنویسی، تسک‌های ایجنتی در محیط تولید واقعی و استدلال عمومی، بهبود چشمگیر داشت.
- در چند مطالعه‌ی موردی خودبهبودی بازگشتی، هر کدام با بودجه‌ی پژوهشی ۱۲ ساعته، مدل بعد از راه‌حل اولیه به آزمایش ادامه داد، روش‌هایش را با بازخورد بهتر کرد و بهبودهای مؤثر را در خروجی نهایی نگه داشت.
محدودیت‌ها
مقاله بخش جداگانه‌ای برای محدودیت‌ها ندارد و چکیده عدد مشخصی برای اندازه‌ی بهبود نمی‌دهد.
چرا مهم است
ایجنت‌هایی که ساعت‌ها کار می‌کنند، باید با داده‌ای آموزش ببینند که واقعاً کار طولانی را نشان دهد. این کار راهی خودکار برای ساخت چنین داده‌ای بدون میان‌بر نشان می‌دهد.