terminal_bench_2_tasktrove_dq_unix_step10_30b_a3b_20260730_014756

该数据集名为 terminal_bench_2_tasktrove_dq_unix_step10_30b_a3b，包含来自TaskTrove DQ基准测试中unix子任务的OpenCode agent轨迹。这些轨迹由Qwen3-Coder-30B-A3B模型在强化学习（RL）扫描过程中生成，并完整地从Harbor rollout artifact集中导出。数据集共有11937个样本（试验），每个样本对应一个episode，包含完整的agent交互记录。字段包括：conversations（ShareGPT格式的对话列表，包含角色和内容）、instruction（任务提示）、result（试验结果）、verifier_output（评分器输出，如有）、agent（智能体名称）、model（模型名称）、model_provider（模型提供商）、date（日期）、task（任务）、episode（轮次）、run_id（运行ID）、trial_name（试验名称）等。数据经过红action处理，其中一条终端观察因包含RSA私钥而被替换为占位符，未删除任何行。该数据集适用于agent轨迹分析、任务完成评估、模型行为研究等场景。The dataset named terminal_bench_2_tasktrove_dq_unix_step10_30b_a3b contains OpenCode agent trajectories from the unix subtask of the TaskTrove DQ benchmark. These trajectories were generated by the Qwen3-Coder-30B-A3B model during reinforcement learning (RL) scanning and were fully exported from the Harbor rollout artifact set. The dataset has a total of 11937 samples (trials), each corresponding to an episode containing complete agent interaction records. Fields include: conversations (list of dialogues in ShareGPT format with roles and content), instruction (task prompt), result (trial outcome), verifier_output (scorer output if any), agent (agent name), model (model name), model_provider (model provider), date (date), task (task), episode (episode number), run_id (run ID), trial_name (trial name), etc. The data has been redacted; one terminal observation containing an RSA private key was replaced with a placeholder, and no rows were deleted. This dataset is suitable for agent trajectory analysis, task completion evaluation, and model behavior research.

原始信息汇总

数据集概述：terminal_bench_2_tasktrove_dq_unix_step10_30b_a3b

该数据集记录了 TaskTrove DQ unix 分支 中，一个 Qwen3-Coder-30B-A3B 智能体在强化学习（RL）扫描过程中产生的完整智能体轨迹，数据来源于 Harbor 回滚工件集的完整导出。

数据规模与覆盖度

• 训练集：包含 11,937 条样本（行），每条对应一个完整的 episode。
• 数据集总大小：约 269 MB（下载大小约 188.6 MB）。
• 覆盖度：占所有评分子试验（scored trials）的 100%。
• 评分子试验总数：11,937（对应 12,034 个试验目录）。
• 排除说明：97 个缺失 result.json 的试验因中途被截断、未获评分及验证输出而被排除。

数据字段

• conversations：ShareGPT 风格的对话消息列表（包含 content 和 role 字段）。
• agent：智能体标识。
• model / model_provider：模型名称及其提供商。
• date：记录日期。
• task：任务标识。
• episode / run_id / trial_name：运行批次与试验标识。
• result：试验结果。
• instruction：任务提示（prompt）内容。
• verifier_output：评分器输出（如存在）。

数据组织

• 数据集仅包含 train 划分（数据路径：data/train-*）。
• 每一行对应一个 episode；conversations 为对话消息列表，instruction 为任务提示，result 为结果，verifier_output 为评分器输出。

数据修订说明

• 数据集对一条终端观测中的 RSA 私钥 进行了打码处理，以 [REDACTED PRIVATE KEY] 替代（该密钥为智能体在证书生成任务中于自身临时沙箱内生成的）。
• 未删除任何行。
• 注：此前一个旧版本数据集仅包含 248 行（2.1%），因其基于仅镜像最近修改痕迹的本地证据包构建，已被当前版本替换。