Terminal RL Data终端强化学习数据
编程智能体运维自动化命令行工具调用
由软件、运维、安全等领域专家设计真实终端任务，并在沙箱中逐条验证，提供可执行、可复现、可评分的强化学习轨迹。
Data& Leaderboard
在这里，我们展示的是已经打磨完成的数据集与我们支持的训练范式。 它们不是为"跑分"而生，而是为真实使用场景而构建。
- RLVR & Agentic可验证奖励的智能体强化学习
- Rubrics & Verifier基于 Rubric 评分的 Harbor 格式任务
- SFT高质量冷启动轨迹
- Expert Evaluation专家在环的模型评估
- Private Workspace / Repo真实工作流构建的强化学习环境
Harness Trace智能体生产轨迹数据
长程智能体工具编排生产环境轨迹
一线工程师、研究员在、白领专家真实生产工作中留下的 Agent 会话轨迹，完整保留请求上下文、思维链与工具执行结果，覆盖长程自主执行、多智能体协作与多模态交互形态。
Frontier Coding前沿代码任务数据
SFTRLVR代码任务Harbor 格式可执行评测
由领域专家基于真实场景设计代码任务，并按照 Harbor 规范组织任务说明、运行环境、参考解与测试，形成可执行、可复现、可验证的数据，用于代码模型的训练与能力评测。
UI / UX Design网页设计与交互生成数据
网页生成前端智能体多模态界面
记录从需求、多轮修改到可运行网页与视觉证据的完整轨迹，覆盖主流网页场景，用于多模态 UI 生成与前端 Agent 训练。
MCP模型上下文协议数据
智能体工作流浏览器智能体工具调用
专家原创构建多轮、跨工具与多跳推理任务，配套程序化验证环境，用于训练可靠的工具调用与 Agent 协作能力。
GDPval高经济价值白领任务
真实白领任务真实工作场景经济价值可验证评分标准
由行业专家复现真实职业工作流，构建可执行、可验证、直接对齐经济价值的Agent评测与训练任务；依托结构化Rubric建立机器可执行的逐条判定机制，并以SOTA模型多次作答实测任务区分度，最终达成评分可解释、奖励信号可信赖、训练梯度充足的三重交付保障。
Private Assets非公开企业资产
非公开数据真实复杂度企业工作流
把企业私有、非公开的代码仓库（Private Repo）与工作空间数据（Workspace Data），转化为 AI Agent 训练与评测资产。保留真实研发中的复杂依赖、历史演进与业务约束，串联企业协作中的跨角色沟通、多源信息与决策过程，让 Agent 在更少数据污染、更贴近企业实际的复杂环境中，学习理解上下文、解决问题并完成端到端工作流。
ALE真实工作流智能体评测数据
桌面智能体专业软件实操可核验成果
行业专家围绕真实专业工作流构建可执行、可验证的 Agent 任务，覆盖专业软件操作与复杂成果交付，并通过参考产物、Rubric 与评估器核验执行过程和最终结果。
Expert Evals专家在环评估服务
真实体感反馈GSB 横向对比版本发布验证
将模型放入真实任务，由专业人士完成判断、质检与证据交付，为模型选型、版本迭代与上线决策提供可信依据。
Data& Leaderboard
在这里，我们展示的是已经打磨完成的数据集与我们支持的训练范式——它们不是为"跑分"而生，而是为真实使用场景而构建。 我们关注的不是让模型在基准测试上多拿 10%， 而是让模型在真实世界里少犯一次低级错误， 多理解一次隐含意图，多承担一份责任。
- RLVR & Agentic可验证奖励的智能体强化学习
- Rubrics & Verifier基于 Rubric 评分的 Harbor 格式任务
- SFT高质量冷启动轨迹
- Expert Evaluation专家在环的模型评估
- Private Workspace / Repo真实工作流构建的强化学习环境
Terminal RL Data终端强化学习数据
编程智能体运维自动化命令行工具调用
由软件、运维、安全等领域专家设计真实终端任务，并在沙箱中逐条验证，提供可执行、可复现、可评分的强化学习轨迹。
Harness Trace智能体生产轨迹数据
长程智能体工具编排生产环境轨迹
一线工程师、研究员在、白领专家真实生产工作中留下的 Agent 会话轨迹，完整保留请求上下文、思维链与工具执行结果，覆盖长程自主执行、多智能体协作与多模态交互形态。
Frontier Coding前沿代码任务数据
SFTRLVR代码任务Harbor 格式可执行评测
由领域专家基于真实场景设计代码任务，并按照 Harbor 规范组织任务说明、运行环境、参考解与测试，形成可执行、可复现、可验证的数据，用于代码模型的训练与能力评测。
UI / UX Design网页设计与交互生成数据
网页生成前端智能体多模态界面
记录从需求、多轮修改到可运行网页与视觉证据的完整轨迹，覆盖主流网页场景，用于多模态 UI 生成与前端 Agent 训练。
MCP模型上下文协议数据
智能体工作流浏览器智能体工具调用
专家原创构建多轮、跨工具与多跳推理任务，配套程序化验证环境，用于训练可靠的工具调用与 Agent 协作能力。
GDPval高经济价值白领任务
真实白领任务真实工作场景经济价值可验证评分标准
由行业专家复现真实职业工作流，构建可执行、可验证、直接对齐经济价值的Agent评测与训练任务；依托结构化Rubric建立机器可执行的逐条判定机制，并以SOTA模型多次作答实测任务区分度，最终达成评分可解释、奖励信号可信赖、训练梯度充足的三重交付保障。
Private Assets非公开企业资产
非公开数据真实复杂度企业工作流
把企业私有、非公开的代码仓库（Private Repo）与工作空间数据（Workspace Data），转化为 AI Agent 训练与评测资产。保留真实研发中的复杂依赖、历史演进与业务约束，串联企业协作中的跨角色沟通、多源信息与决策过程，让 Agent 在更少数据污染、更贴近企业实际的复杂环境中，学习理解上下文、解决问题并完成端到端工作流。
ALE真实工作流智能体评测数据
桌面智能体专业软件实操可核验成果
行业专家围绕真实专业工作流构建可执行、可验证的 Agent 任务，覆盖专业软件操作与复杂成果交付，并通过参考产物、Rubric 与评估器核验执行过程和最终结果。
Expert Evals专家在环评估服务
真实体感反馈GSB 横向对比版本发布验证
将模型放入真实任务，由专业人士完成判断、质检与证据交付，为模型选型、版本迭代与上线决策提供可信依据。