NVIDIA Skill2Env:集合スキルでRLエージェントを訓練

NVIDIAの研究者らは、3,400件の公開エージェントスキルを、プログラムテストと行動ルーブリックを備えた7,971件のターミナルタスクに変換した。Qwen3.8-27Bに対するわずか300ステップのRL訓練で、Terminal-Bench 2.1が4.7ポイント向上し、エージェントの行動がスキル手法と整合した。データセットの生成コストは、GPT-5.6 Solを使用して90,000ドルかかった。

NVIDIAの研究者らは、3,400件の公開エージェントスキルを、プログラムテストと行動ルーブリックを備えた7,971件のターミナルタスクに変換した。Qwen3.8-27Bに対するわずか300ステップのRL訓練で、Terminal-Bench 2.1が4.7ポイント向上し、エージェントの行動がスキル手法と整合した。データセットの生成コストは、GPT-5.6 Solを使用して90,000ドルかかった。