Nemotron-Terminal-Corpus は、NVIDIA により 2026 年に公開された、大規模なターミナル対話能力の学習用データセットです。関連する論文は On Data Engineering for Scaling LLM Terminal Capabilities です。高品質な実行軌跡を通じて、大規模言語モデルのターミナル環境における操作および推論性能の向上を目的としています。

本データセットには約 36.6 万件の高品質な実行軌跡が含まれており、教師あり微調整（SFT）用に設計されています。これにより、データクエリ、モデル訓練、コードデバッグなどの複雑な領域において、モデルに実用的な機能が付与されます。 本データセットで学習された Nemotron-Terminal シリーズのモデルは、Terminal-Bench 2.0 ベンチマークテストで優れた性能を発揮しています。例えば、Nemotron-Terminal-32B はデータクエリタスクにおいて 60.0% の精度を達成し、ベースモデルを大幅に上回っています。

データセットの構成

データセットは主に 2 つの部分で構成され、約 366k 件のサンプルが含まれています。すべて訓練用（train）フォーマットです。

• データセットアダプター (Dataset Adapters)：高品質な数学、コード、およびソフトウェアエンジニアリング（SWE）データセットをターミナル形式に変換したデータ。

• スキルベースの合成タスク (Skill-based Synthetic Tasks)：原初のターミナルスキルに基づく構造化された分類法から生成された新規タスクで、簡単、中等、混合の難易度に分類されます。

引用

@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}, 
}