NVIDIA Skill2Env:コミュニティエージェントスキルをRLトレーニング環境にコンパイル

NVIDIAの研究者らは、3,400件の公開エージェントスキルを、プログラムによるテストを備えた8,000件のターミナルタスクに変換するパイプライン「Skill2Env」を開発した。わずか300ステップの強化学習(RL)で、Qwen3.8-27BはTerminal-Bench 2.1において4.7ポイントの性能向上を達成した。本システムは、計画(plan)、多様化(diversify)、生成(create)、検証(verify)の4段階パイプラインを採用し、ルーブリック調整型報酬を組み込んでいる。