Nemotron-Terminal-Corpus est un grand ensemble de données d'entraînement pour les capacités d'interaction en terminal, publié par NVIDIA en 2026. Les résultats associés sont présentés dans l'article « On Data Engineering for Scaling LLM Terminal Capabilities ». Il vise à améliorer les performances des grands modèles de langage dans les environnements terminaux en matière d'opérations et de raisonnement, grâce à des trajectoires d'exécution de haute qualité.

Cet ensemble de données comprend environ 366 000 trajectoires d'exécution de haute qualité, spécifiquement conçues pour l'affinage supervisé (SFT), offrant aux modèles des fonctionnalités pratiques dans des domaines complexes tels que les requêtes de données, l'entraînement de modèles et le débogage de code.

Les modèles de la série Nemotron-Terminal entraînés sur cet ensemble de données ont montré des performances remarquables sur le benchmark Terminal-Bench 2.0. Par exemple, Nemotron-Terminal-32B a atteint une précision de 60,0 % sur les tâches de requête de données, surpassant largement le modèle de base.

Composition de l'ensemble de données

L'ensemble de données se divise principalement en deux parties, contenant environ 366 k échantillons, tous au format d'entraînement (train) :

• Adaptateurs d'ensemble de données (Dataset Adapters) : conversion de données de haute qualité provenant d'ensembles de données en mathématiques, code et ingénierie logicielle (SWE) vers un format terminal.

• Tâches synthétiques basées sur les compétences (Skill-based Synthetic Tasks) : nouvelles tâches générées à partir d'une taxonomie structurée des compétences terminales natives, classées en difficultés facile, moyenne et mixte.

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}, 
}