NVIDIA 연구진이 컴퓨터 터미널을 탐색하는 에이전트 훈련에 필요한 고품질 데이터 부족 문제를 해결했다. 기존 대다수 모델은 일반적인 대화에는 능숙하지만, 복잡한 명령줄 작업을 수행할 때 심각한 오류나 할루시네이션(환각 현상)을 일으키는 경우가 많았다. 이에 따라 연구팀은 특정 기술과 초기 지침을 바탕으로 합성 작업 생성을 가능하게 하는 정교한 파이프라인인 Terminal-Task-Gen을 도입했다. 이 방식은 실제 데이터셋에서 부족한 다양하고 복잡한 시나리오를 생성하여 특화된 훈련을 위한 강력한 토대를 제공한다.

이러한 데이터 중심 접근 방식의 결과는 매우 놀랍다. Qwen3 아키텍처를 기반으로 구축된 새로운 Nemotron-Terminal 제품군은 전반적으로 엄청난 성능 향상을 보여주었다. 실제로 32B 파라미터 버전은 Terminal-Bench 2.0 벤치마크에서 성공률이 기존 3.4%에서 27.4%로 급등했다. 특히 이 모델들은 커리큘럼 학습과 긴 문맥(Long-context) 훈련에 집중한 스마트 데이터 엔지니어링을 통해, 소형 모델도 훨씬 거대한 범용 시스템과 대등하거나 이를 능가하는 성능을 낼 수 있음을 증명했다.

NVIDIA는 Terminal-Corpus와 모델 체크포인트를 오픈소스로 공개함으로써 커뮤니티가 더욱 신뢰할 수 있는 자율 시스템을 구축할 수 있도록 지원하고 있다. 터미널 제어 능력은 서버 관리, 소프트웨어 설치, 복잡한 파일 조작 등을 AI가 처리할 수 있게 하므로 개발자와 IT 전문가에게 매우 중요하다. 이번 출시는 시스템 셸의 미세한 차이를 인간의 언어처럼 유창하게 이해하는 '터미널 네이티브' AI를 향한 중요한 발걸음이며, 향후 기술 워크플로우에서 가장 지루한 부분들을 자동화할 것으로 기대된다.

NVIDIA 연구진이 컴퓨터 터미널을 탐색하는 에이전트 훈련에 필요한 고품질 데이터 부족 문제를 해결했다. 기존 대다수 모델은 일반적인 대화에는 능숙하지만, 복잡한 명령줄 작업을 수행할 때 심각한 오류나 할루시네이션(환각 현상)을 일으키는 경우가 많았다. 이에 따라 연구팀은 특정 기술과 초기 지침을 바탕으로 합성 작업 생성을 가능하게 하는 정교한 파이프라인인 Terminal-Task-Gen을 도입했다. 이 방식은 실제 데이터셋에서 부족한 다양하고 복잡한 시나리오를 생성하여 특화된 훈련을 위한 강력한 토대를 제공한다.

이러한 데이터 중심 접근 방식의 결과는 매우 놀랍다. Qwen3 아키텍처를 기반으로 구축된 새로운 Nemotron-Terminal 제품군은 전반적으로 엄청난 성능 향상을 보여주었다. 실제로 32B 파라미터 버전은 Terminal-Bench 2.0 벤치마크에서 성공률이 기존 3.4%에서 27.4%로 급등했다. 특히 이 모델들은 커리큘럼 학습과 긴 문맥(Long-context) 훈련에 집중한 스마트 데이터 엔지니어링을 통해, 소형 모델도 훨씬 거대한 범용 시스템과 대등하거나 이를 능가하는 성능을 낼 수 있음을 증명했다.

NVIDIA는 Terminal-Corpus와 모델 체크포인트를 오픈소스로 공개함으로써 커뮤니티가 더욱 신뢰할 수 있는 자율 시스템을 구축할 수 있도록 지원하고 있다. 터미널 제어 능력은 서버 관리, 소프트웨어 설치, 복잡한 파일 조작 등을 AI가 처리할 수 있게 하므로 개발자와 IT 전문가에게 매우 중요하다. 이번 출시는 시스템 셸의 미세한 차이를 인간의 언어처럼 유창하게 이해하는 '터미널 네이티브' AI를 향한 중요한 발걸음이며, 향후 기술 워크플로우에서 가장 지루한 부분들을 자동화할 것으로 기대된다.