TerminalHorizon: 합성 과제에 핵심 작업 남겨 두기

TL;DR

TerminalHorizon은 장기 터미널 환경을 만들면서, 환경 생성 과정에서 에이전트가 수행해야 할 작업을 미리 해결해 버리지 않았는지 확인한다. (source)

저자와 소속

Shun Zou, Ziyu Ma, Yi Zou, Yong Wang, Lin Chen, Zehui Chen, Guanhua Chen, Xiangxiang Chu, Feng Zhao. 초록 페이지에서는 소속을 확인하지 못했다. 제출일은 2026-10-09다. (source)

방법

독립적인 실행으로 환경 구성 중 빠지거나 단순화된 필수 작업을 찾아 재구성을 이끈다. 같은 목표 아래 요구사항을 점진적으로 추가해 탐색, 구현, 검증의 필요성을 유지한다. 저자들은 1.5K개 과제 환경을 만들고 Qwen3.5-27B를 미세조정해 TerminalHorizon-27B를 얻는다. (source)

결과

저자들은 코딩, 실제 업무 에이전트 과제, 추론에 걸친 12개 벤치마크에서 향상을 보고한다. 재귀적 자기개선 사례 연구는 각각 12-hour 연구 예산을 사용하며 지속적인 실험과 개선의 보존을 보고한다. 초록에는 벤치마크별 점수나 비용을 맞춘 비교가 없다. (source)

의의

Agentic Reinforcement Learning과 Agents (LLM Agents)에서 과제의 난도는 환경이 어떤 작업을 미완으로 남겨 두는지에 따라 달라진다. 이 결과는 합성 궤적에 대한 지도 미세조정에 관한 것이다. 과제가 에이전트 작업이라는 이유만으로 RL 향상으로 설명해서는 안 된다. (source)

열린 질문

독립적인 과제에서도 향상이 유지되는지, 합성에 얼마나 많은 계산이 드는지, 재구성이 미묘한 지름길을 얼마나 잘 탐지하는지가 남는다. 초록은 이에 답하지 않으며, 전체 논문과 코드 검토는 아직 수행하지 않았다. (source)

인용

• Scaling Agentic Data for Long-Horizon Terminal Intelligence, arXiv:2610.13166.
• 캡처한 초록 페이지.