Scalare i dati agentici per l’intelligenza degli agenti da terminale su orizzonti lunghi

Abstract degli autori

Gli agenti che operano nel terminale stanno andando oltre le operazioni locali per svolgere compiti professionali nel mondo reale. Traiettorie brevi possono mostrare comandi e chiamate agli strumenti, ma non rendono pienamente conto di come gli agenti raccolgano elementi attraverso l’esplorazione, li usino per formulare valutazioni, adattino continuamente le strategie in base al feedback e trasformino i risultati intermedi in prodotti finali. Le traiettorie di alta qualità su orizzonti temporali lunghi catturano questi schemi di comportamento degli agenti e i loro collegamenti all’interno di un unico processo di risoluzione dei problemi, offrendo un’esperienza più ricca per un lavoro autonomo prolungato. Tuttavia, la sintesi degli ambienti può svolgere o semplificare in anticipo il lavoro essenziale alla base di questi schemi, eliminando così la necessità dell’esplorazione, dell’implementazione e della verifica che l’agente avrebbe dovuto compiere. Per affrontare questo problema, presentiamo TerminalHorizon, un motore completamente automatizzato per la sintesi di dati destinati ad agenti che operano nel terminale su orizzonti temporali lunghi. Partendo da attività professionali reali, usa un’esecuzione indipendente per individuare il lavoro essenziale omesso durante la costruzione e si serve degli elementi così ottenuti per guidare la ricostruzione dell’ambiente. Per estendere questi schemi attraverso più fasi, amplia progressivamente i compiti mantenendo lo stesso obiettivo e introduce nuovi requisiti che si basano sui risultati precedenti e richiedono ulteriore esplorazione e miglioramento. Con questo motore, costruiamo 1,5K ambienti di compito ed eseguiamo il fine-tuning supervisionato di Qwen3.5-27B sul dataset risultante, ottenendo TerminalHorizon-27B. Otteniamo miglioramenti sostanziali delle prestazioni in tutti i 12 benchmark, che comprendono compiti per agenti di programmazione, compiti agentici in contesti di produzione reali e ragionamento generale. Diversi casi di studio RSI, ciascuno con un budget di ricerca di 12 ore, dimostrano inoltre la capacità del modello di continuare a sperimentare oltre una soluzione iniziale, migliorare i propri metodi in base al feedback e mantenere i miglioramenti efficaci nei prodotti finali.