Nemotron-Terminal-Corpus는 NVIDIA가 2026년에 공개한 대규모 터미널 상호작용 능력 학습 데이터셋으로, 관련 논문 결과는 On Data Engineering for Scaling LLM Terminal Capabilities이며, 고품질 실행 궤적을 통해 대규모 언어 모델이 터미널 환경에서 수행하는 작업 및 추론 성능을 향상시키는 것을 목표로 합니다.

이 데이터셋은 약 36.6만 개의 고품질 실행 궤적을 포함하고 있으며, 감독 미세 조정(SFT)을 위해 특별히 설계되어 데이터 조회, 모델 학습, 코드 디버깅 등 복잡한 도메인에서 모델의 실용적 기능을 강화합니다. 해당 데이터셋으로 학습된 Nemotron-Terminal 시리즈 모델은 Terminal-Bench 2.0 벤치마크 테스트에서 우수한 성능을 보였으며, 예를 들어 Nemotron-Terminal-32B는 데이터 조회 작업에서 60.0%의 정확도를 달성하여 기본 모델을 크게 상회했습니다.

데이터셋 구성

데이터셋은 주로 두 부분으로 나뉘며, 총 약 366k개의 샘플을 포함하고 있으며 모두 학습(train) 형식입니다:

• 데이터셋 어댑터 (Dataset Adapters): 고품질 수학, 코드 및 소프트웨어 엔지니어링(SWE) 데이터셋을 터미널 형식으로 변환한 데이터입니다.

• 기술 기반 합성 작업 (Skill-based Synthetic Tasks): 원시 터미널 기술의 구조화된 분류 체계를 기반으로 생성된 새로운 작업으로, 단순, 중간 및 혼합 난이도로 분류됩니다.

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}, 
}