核心信息

TermGrade 作为高质量、完全开源的终端智能体强化学习环境发布，包含 1000 个可执行环境，并对 6 个模型进行评分，同时公开全部 36k 条轨迹。

要点

  • 1000 个可执行环境，每个都经过执行验证并对 6 个模型评分
  • 公开全部 36k 条轨迹，其中 14k 条为失败轨迹
  • 在 gemma-4-31B-it 上以它一半时间能解决的任务训练，Terminal-Bench 2.1 提升 3.1 分
  • 环境、轨迹、训练划分、checkpoint 和博客全部在 Hugging Face 上开放