XNews

NVIDIAのSkill2Env、公開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、公開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のコミュニティエージェントスキルを、プログラムによるテストとルーブリックを備えた8,000のターミナルタスクにまとめています。わずか300ステップのGRPOを使用して、Qwen3.8-27BはTerminal-Bench 2.1で4.7ポイント向上しました。この手法はエージェントの行動をスキル手法に合わせ、ルーブリック調整されたRLはベンチマークにおいて純粋な結果ベースのRLよりも性能が劣ることが明らかになりました。

Source posts