開源研究生態系統為智能體領域的三個主要方向——軟件工程、終端使用和網絡搜索——貢獻了大量優秀的數據集。然而，每個數據集都帶有獨立的測試框架、鏡像約定、評分腳本和故障模式，導致它們難以協同使用。為了解決這一問題，Prime Intellect將這些任務集整合到一個統一的taskset API下，提供超過36.5萬個環境，可用於強化學習訓練和評估。
統一的taskset API支持23個任務集，涵蓋約19.8萬個軟件工程任務（涉及20多種編程語言）、約2.86萬個終端任務和約13.76萬個搜索任務。這些任務通過verifiers v1工具實現標準化，該工具將每個環境分解為三個獨立的層：任務集（taskset）、測試框架（harness）和運行時（runtime）。用户只需一條命令即可運行任意任務集的評估，例如：uv run eval scaleswe-v1 --harness.id codex --harness.runtime.type prime -n 3。
為確保數據質量，Prime Intellect對每個數據集進行了金補丁和無操作驗證。金補丁驗證確保應用參考修復後測試全部通過，無操作驗證確保未做任何修改時測試全部失敗。驗證過程中，失敗任務會進行最多10次重試以區分不穩定性和確定性故障，並執行獨立的二次檢測和多次無編輯檢測。不符合條件的任務被排除，並保留在重新上傳的數據集中以供審計。例如，R2E-Gym的4,578個實例中有4,522個通過驗證，SWE-Lego的4,432個實例中有4,323個通過，Multi-SWE的2,232個實例經過雙重金補丁和無編輯過濾後保留。
在軟件工程領域，集成了多個知名數據集：SWE-bench Verified（500個經過人工篩選的GitHub問題）、SWE-bench Multilingual（300個跨8種語言的實例）、SWE-smith（83,519個通過注入bug生成的實例）、R2E-Gym（4,578個從真實提交生成的環境）、Multi-SWE（4,703個容器化RL實例）、SWE-rebench-V2（32,079個持續從GitHub PR挖掘的任務）、Scale-SWE（20,181個Python任務）、SWE-Lego（4,432個真實數據實例）、OpenSWE（45,320個任務）以及Senior SWE-Bench（50個調查和設計任務）。所有經過過濾和驗證的重新上傳均託管在Hugging Face的SWE RL集合中，每個數據集附帶詳細的變更説明和驗證方法。
終端任務方面，Terminal-Lego提供了約13,800個Docker可驗證的終端使用任務。搜索任務集包括PaperSearchQA、WideSeek、s1_deepresearch、OpenSeeker、DeepDive、BrowseComp、RedSearcher和BrowseComp_Plus等，總計約13.76萬個任務。
Prime Intellect還建立了共享的鏡像註冊表，包含約13.5萬個預構建的開源任務鏡像，與沙箱共同部署，避免了大規模併發回滾時Docker Hub的速率限制。在運行過程中，評分材料（如測試補丁、預期輸出）被隱藏，僅在評分時刻恢復，防止智能體利用容器內的信息進行獎勵作弊。通過這一統一平台，研究人員和開發者可以輕鬆地在多樣化環境上訓練和評估智能體，無需處理不同數據集的兼容性問題。