[논문리뷰] Terminal-Universe: Turning Agent Trajectories into Scalable Terminal Environments

링크: 논문 PDF로 바로 열기

메타데이터

저자: Jie Wu, Zhenru Zhang, Beichen Zhang, et al.

---

1. Key Terms & Definitions (핵심 용어 및 정의)

• Terminal-Universe: 기존 Agent의 trajectory를 재분석하여 재사용 가능한 실행 환경(Executable Environment)을 구축하고, 이를 통해 새로운 Task를 합성하는 프레임워크입니다.
• Agentic Completion: Deterministic Replay를 통해 얻은 불완전한 workspace를 LLM 기반의 에이전트가 분석하여 부족한 파일과 의존성을 채워 넣음으로써 실행 가능한 환경으로 완성하는 과정입니다.
• Breadth/Depth Expansion: 환경의 활용 범위를 넓히기 위해 여러 codebase를 연결하는 Cross-workspace Task 합성(Breadth)과, 사용자 에이전트의 피드백을 통해 단일 질의를 다회차 세션으로 확장(Depth)하는 방법론입니다.
• Verifier-filtered: 합성된 Task가 실제로 해결 가능한지 확인하기 위해 에이전트가 직접 작성한 test suite를 통과한 데이터만 SFT 학습에 사용하는 필터링 기법입니다.

2. Motivation & Problem Statement (연구 배경 및 문제 정의)

본 논문은 terminal-based agent의 학습에 필수적인 고품질의 실행 환경(Executable Environment)이 부족하다는 문제점을 해결하고자 합니다. 기존 연구들은 환경을 직접 생성하거나(Task-conditioned synthesis) 소스 코드 기록을 수정하는 방식에 의존하여 규모 확장에 한계가 있었습니다. 반면, 이미 방대하게 축적된 Agent의 trajectory는 환경을 복구할 수 있는 충분한 정보를 담고 있음에도 불구하고, 단순히 모방 학습(Imitation Learning)의 대상으로만 활용되는 비효율성이 존재합니다. 저자들은 trajectory를 환경으로 변환함으로써 환경의 재사용성과 Task의 확장성을 극대화하는 새로운 접근 방식을 제안합니다 [Figure 1].

Figure 1 — 제안 모델의 전체 아키텍처

3. Method & Key Results (제안 방법론 및 핵심 결과)

본 논문은 trajectory의 파일 변경 기록을 deterministic하게 replaying하여 초기 workspace를 복구한 후, Agentic Completion을 통해 누락된 의존성을 보완하는 3단계 복구 프로세스를 제안합니다 [Figure 2]. 구축된 환경 위에서 Intent Recovery, Single-WS, Cross-WS, Multi-Round 등 4가지 기법을 통해 대규모의 검증 가능한 Task 데이터를 합성합니다. 특히 37.3k개의 고품질 Task-sufficient 환경을 확보하였으며, 이를 통해 Qwen3.5-27B 모델을 SFT(Supervised Fine-tuning)하였습니다. 실험 결과, Terminal-Bench 2.1에서 기존 대비 11.9점 향상된 58.1%의 Pass@1을 기록하였고, EvoCode-Bench v2의 MT@4 지표에서도 13.8점 개선된 20.1%를 달성하며 정량적 우위를 입증하였습니다 [Table 3].

Figure 2 — 재구성 및 Task 합성 메커니즘

4. Conclusion & Impact (결론 및 시사점)

본 논문은 단순한 행동 기록인 trajectory를 실행 가능한 환경으로 전환함으로써 데이터 규모와 품질의 한계를 동시에 극복했습니다. 환경 재구성과 Task 확장을 결합한 Terminal-Universe 프레임워크는 에이전트의 복합적인 문제 해결 능력을 향상시키는 데 효과적임을 입증했습니다. 이 연구는 향후 에이전트의 사후 학습(Post-training) 파이프라인에서 환경 구축의 자동화와 효율성을 높이는 표준적인 방법론으로 자리매김할 것으로 기대됩니다.

---

Part 2: 중요 Figure 정보

Figure 1 — Terminal-Universe 전체 프레임워크

Figure 2 — 재구성 및 Task 합성 메커니즘

⚠️ 알림: 이 리뷰는 AI로 작성되었습니다.