XNews

NVIDIAのSkill2Env、コミュニティのエージェントスキルをRLトレーニング環境に変換

NVIDIAのSkill2Env、コミュニティのエージェントスキルをRLトレーニング環境に変換

NVIDIAのSkill2Envは、3,400の公開エージェントスキルを、プログラムによるテストと行動ルーブリックを備えた8,000のターミナルタスクに変換します。Qwen3.8-27Bに対するわずか300ステップのRLトレーニングで、Terminal-Bench 2.1を4.7ポイント向上させました。この手法は4段階のパイプライン(Plan、Diversify、Create、Verify)を使用し、ルーブリック調整済みRLが行動の整合性を向上させる一方で、ベンチマークスコアは向上させないことを明らかにしています。

Source posts