Nemotron-Terminal-Corpus 是由 NVIDIA 于 2026 年发布的一个大规模终端交互能力训练数据集，相关论文成果为「On Data Engineering for Scaling LLM Terminal Capabilities」，旨在通过高质量的执行轨迹提升大语言模型在终端环境中的操作与推理性能。

该数据集包含约 36.6 万条高质量执行轨迹，专为监督微调（SFT）设计，赋予模型在复杂领域（如数据查询、模型训练、代码调试等）的实用功能。 基于该数据集训练的 Nemotron-Terminal 系列模型在 Terminal-Bench 2.0 基准测试中表现优异，例如 Nemotron-Terminal-32B 在数据查询任务上达到 60.0% 的准确率，远超基础模型。

数据集组成

数据集主要分为两个部分，包含约 366 k 个样本，全部为训练集（train）格式：

• 数据集适配器 (Dataset Adapters)：将高质量数学、代码和软件工程（SWE）数据集转换为终端格式的数据。

• 基于技能的合成任务 (Skill-based Synthetic Tasks)：基于原始终端技能的结构化分类法生成的新型任务，分为简单、中等和混合难度。

Citation

@misc{pi2026dataengineeringscalingllm,
      title={On Data Engineering for Scaling LLM Terminal Capabilities}, 
      author={Renjie Pi and Grace Lam and Mohammad Shoeybi and Pooya Jannaty and Bryan Catanzaro and Wei Ping},
      year={2026},
      eprint={2602.21193},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2602.21193}, 
}