terminal_bench_2_tasktrove_dq_pymethods2test_step75_30b_a3b_20260730_054052

该数据集名为terminal_bench_2_tasktrove_dq_pymethods2test_step75_30b_a3b，包含来自Iris强化学习运行（rl-tasktrove-dq-sweep-30b-terminus2-qwen-20260725-231748-4fe0b4）的Terminus-2智能体轨迹。数据从该运行的Harbor trace_jobs artifacts中导出，每个trial仅保留最后一个episode。数据集覆盖了所有948个trial目录，其中854个成功完成并生成了result.json，因此包含854条记录。每条记录包含多轮对话（conversations）、智能体名称（agent）、模型名称（model）、模型提供者（model_provider）、日期（date）、任务（task）、episode编号、运行ID（run_id）、trial名称（trial_name）、结果（result）、指令（instruction）以及验证器输出（verifier_output）等字段。该数据集适用于分析智能体在特定任务上的行为、强化学习训练效果以及模型性能评估。The dataset named `terminal_bench_2_tasktrove_dq_pymethods2test_step75_30b_a3b` contains Terminus-2 agent trajectories from an Iris reinforcement learning run (`rl-tasktrove-dq-sweep-30b-terminus2-qwen-20260725-231748-4fe0b4`). Data was exported from that runs Harbor `trace_jobs` artifacts, keeping only the last episode per trial. It covers all 948 trial directories, with 854 successful completions producing `result.json`, thus containing 854 records. Each record includes multi-turn conversations, agent name, model name, model provider, date, task, episode number, run ID, trial name, result, instruction, and verifier output fields. This dataset is suitable for analyzing agent behavior on specific tasks, reinforcement learning training effects, and model performance evaluation.

原始信息汇总

数据集概述

该数据集名为 terminal_bench_2_tasktrove_dq_pymethods2test_step75_30b_a3b，来源于 Terminus-2 agent 在 Iris RL 运行（rl-tasktrove-dq-sweep-30b-terminus2-qwen-20260725-231748-4fe0b4）中产生的追踪数据。数据从该运行的 Harbor trace_jobs 工件中导出，每个试验仅包含最后一个片段（episode）。

数据规模

• 试验目录总数：948
• 含有 result.json 的试验数：854（每个试验对应一行数据）
• 数据行数：854
• 无 result.json 的试验数：94（这些试验从未完成可计分片段，因此不贡献任何行）

数据划分

• 训练集（train）：854 条样本，占数据总大小约 10,596,509 字节
• 下载大小：约 6,159,465 字节

字段结构

每条样本包含以下字段：

字段名	类型	说明
conversations	列表	对话记录，每条包含 content（字符串）和 role（字符串）
agent	字符串	智能体名称
model	字符串	模型名称
model_provider	字符串	模型提供方
date	字符串	日期
task	字符串	任务标识
episode	字符串	片段标识
run_id	字符串	运行 ID
trial_name	字符串	试验名称
result	字符串	试验结果
instruction	字符串	指令内容
verifier_output	字符串	验证器输出

版本说明

该数据集早期版本包含 255 行数据，基于追踪树的部分本地镜像构建。当前版本已由完整导出数据替换，覆盖了该运行的全部试验目录。