Weyaxi· @Weyaxi · X·· 23 小时前AI 评分
TermGrade 开源发布：1k 个终端智能体 RL 环境与训练配方
Weyaxi 团队发布 TermGrade，这是一套面向终端智能体的高质量 RL 环境，完全开源，同时公开构建与评分的完整过程以及所用的 RL 训练配方。该数据集包含 1k 个可执行环境，每个都经执行验证并对照 6 个模型评分，附带支撑评分的全部 36k 条轨迹（含失败样本）。作者称用这些任务训练 gemma-4-31B-it，在其原本能解出一半的任务上使 Terminal-Bench 2.1 提升 +3.1。
我们正在 @aiand_ 发布 TermGrade：面向终端智能体的高质量强化学习环境，完全开源，同时公开我们构建和评分这些环境的完整过程，以及我们训练所用的强化学习配方。
其中包括 1000 个可执行环境，每个都经过执行验证，并对照 6 个模型进行评分，此外还有支撑这些评分的全部 3.6 万条轨迹，包括失败样本。
另外，在这些它能解决一半的任务上训练 gemma-4-31B-it，使其在 Terminal-Bench 2.1 上提升了 3.1 分。
完整内容见下文 🧵
来源：Weyaxi · x.com