随着具身智能、代码大模型、终端自主代理等AI技术的快速落地，行业对标准化、可验证的终端操作场景训练数据集的需求持续攀升：当前多数强化学习终端训练环境存在场景覆盖不全、验证逻辑不统一、可复用性差等问题，制约了相关技术的普惠研发。2026年5月7日，开源AI研究社区CAMEL-AI.org正式发布seta-env-release数据集，作为开源可验证的强化学习终端环境数据集，其核心目标是为全球AI社区提供统一的训练与评估支撑资源。
本次发布的seta-env-release数据集共包含两大核心子集，总计覆盖4567个独立环境：一类是SETA_Synth合成任务子集，主要覆盖标准化构建的典型终端操作、代码运行场景；另一类是SETA_Evolve终端代理任务演化变例子集，通过对真实场景的变体扩展，进一步提升模型训练的泛化性。所有任务均采用自包含的Harbor风格任务目录结构，每个目录内置了运行任务、构建环境、执行参考解决方案、运行测试所需的全部文件，用户无需额外配置依赖即可快速调用。数据集整体结构清晰，任务文件夹命名规则统一，其中SETA_Evolve子集的任务名称额外携带后缀，可直接区分不同的演化变体版本。
从数据来源看，本次数据集的样本覆盖了Stack Exchange技术问答社区、NL2Bash命令生成数据集、Kaggle公开笔记本等多个主流技术数据源，各来源的具体数据量统计已在数据集配套的README文档中公示，方便研发人员按需筛选调用。
从应用价值来看，该数据集可广泛应用于多个AI研发场景：在强化学习领域，可支撑终端智能代理的训练与评估，这类代理未来可落地于DevOps自动化运维、服务器批量管理、系统自动配置等企业级场景，大幅降低数字化运维成本；在代码生成领域，可面向Bash、Python等可执行代码的生成模型提供训练素材，同时配套的自动测试逻辑可解决当前代码生成模型“输出语义正确但无法运行”的行业痛点，也可作为通用代码大模型的标准化评估基准，统一不同研发团队的效果验证维度。目前数据集的使用示例、下载调用方法均已在README中完整提供，研发人员可快速上手适配自身研发需求。
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)