NVIDIA Skill2Env 将公共智能体技能转化为强化学习训练环境

NVIDIA 的 Skill2Env 将 3,400 个社区智能体技能整合为 8,000 个终端任务,并附带程序化测试和评分标准。仅使用 300 步 GRPO,Qwen3.8-27B 在 Terminal-Bench 2.1 上提升了 4.7 分。该方法使智能体行为与技能方法论对齐,并揭示了在基准测试中,基于评分标准校准的强化学习表现不如纯结果导向的强化学习。

NVIDIA 的 Skill2Env 将 3,400 个社区智能体技能整合为 8,000 个终端任务,并附带程序化测试和评分标准。仅使用 300 步 GRPO,Qwen3.8-27B 在 Terminal-Bench 2.1 上提升了 4.7 分。该方法使智能体行为与技能方法论对齐,并揭示了在基准测试中,基于评分标准校准的强化学习表现不如纯结果导向的强化学习。