NVIDIA Skill2Env:将社区智能体技能编译为强化学习训练环境

NVIDIA研究人员创建了Skill2Env,这是一个将3.4k个公共智能体技能转换为8k个带程序化测试的终端任务的流水线。仅使用300步强化学习,Qwen3.8-27B在Terminal-Bench 2.1上提升了4.7分。该系统采用四阶段流水线:规划、多样化、创建、验证,并包含基于评分标准校准的奖励。

NVIDIA研究人员创建了Skill2Env,这是一个将3.4k个公共智能体技能转换为8k个带程序化测试的终端任务的流水线。仅使用300步强化学习,Qwen3.8-27B在Terminal-Bench 2.1上提升了4.7分。该系统采用四阶段流水线:规划、多样化、创建、验证,并包含基于评分标准校准的奖励。