TerminalHorizon：1500 个合成环境，把一个 27B 终端 agent 在 12 个基准上全部拉高

短的 agent 轨迹展示命令和工具调用。它们展示不了让终端 agent 在真实工作中有用的那件事：靠探索积累证据，反馈说该变就变策略，把中间结果变成交付物。Shun Zou、Ziyu Ma 和同事们认为常见的环境合成管线在主动摧毁这个信号，因为合成器提前把关键工作做完或简化了，agent 根本不需要探索、实现或验证任何东西。TerminalHorizon 是他们的修法。从真实的专业工作出发，一次独立执行识别出构造的环境遗漏了哪些关键工作，这些证据驱动环境重建。然后在同一个目标下逐步扩展任务，加入建立在前一步结果上的新需求，一个环境产出一条长程链，而不是一次性任务。

用这个引擎他们建了 1500 个任务环境，在产出的轨迹上微调 Qwen3.5-27B，得到 TerminalHorizon-27B。主张是在全部 12 个基准上有提升，覆盖编程 agent 任务、生产环境里的 agent 任务和通用推理。会被引用的部分是 RSI 案例：给 12 小时研究预算，模型在第一个能跑的方案之后继续实验，改进自己的结果，而不是在第一个绿灯测试处停下。

这是两天内继 SoftwareGym 和 ProgramGym 之后第三篇环境论文，三篇在「环境而不是模型权重才是 agent 训练的稀缺资产」上一致，在怎么拿到环境上分歧。TerminalHorizon 的独特动作是用一次独立运行去审计合成器有没有走捷径，这是把验证器用在数据管线上而不是用在 agent 上。它在 Hugging Face 榜上 132 票。

链接：https://arxiv.org/abs/2610.13166 ，https://huggingface.co/papers/2610.13166