03 / Terminal-Universe：把操作记录变回训练环境
Agent 训练 · 9/10 · 近期论文补看 · 建议深挖
一个编程 Agent 完成任务后，会留下读文件、改代码、运行命令和修复错误的记录。通常，这些轨迹被当成示范答案使用。Qwen 团队的 Terminal-Universe 更进一步：既然操作记录透露了原来的文件和目录状态，能不能据此恢复出一个还能运行的工作环境？
它先回放记录中的文件操作，尽量还原 Agent 修改前的工作区，再由另一个 Agent 补齐缺失文件和依赖。恢复后的环境不仅能重做原任务，还能产生新的任务、跨项目任务和多轮需求。一份已经结束的操作记录，因此可以变成反复练习的地方。
作者报告恢复了约 3.73 万个满足任务需要的环境。Qwen3.5-27B 在相关数据上继续训练后，Terminal-Bench 2.1 提升 11.9 个百分点，EvoCode-Bench v2 的多轮指标 MT@4 提升 13.8 个百分点。这个结果支持继续研究环境数据的价值，但还不能说明恢复出的环境都和原现场完全一致。
局限也很实际：统一的 Ubuntu 容器未必能还原特殊系统依赖；同一个教师模型负责生成任务、答案和校验器，也可能把错误一路带过去。论文于北京时间 9 月 4 日凌晨提交，作为近期补看。接下来值得验证的是，独立校验和更复杂的真实项目能否保持同样的训练收益。