NVIDIA Skill2Env 将社区智能体技能编译为强化学习训练环境

NVIDIA 的 Skill2Env 将 3,400 个公共智能体技能转换为 8,000 个终端任务,并配备程序化测试和行为评分标准。在 Qwen3.8-27B 上仅进行 300 步强化学习训练,就将 Terminal-Bench 2.1 的得分提升了 4.7 分。该方法采用四阶段流水线(规划、多样化、创建、验证),并揭示基于评分标准的强化学习能改善行为对齐,但不会提升基准测试分数。

NVIDIA 的 Skill2Env 将 3,400 个公共智能体技能转换为 8,000 个终端任务,并配备程序化测试和行为评分标准。在 Qwen3.8-27B 上仅进行 300 步强化学习训练,就将 Terminal-Bench 2.1 的得分提升了 4.7 分。该方法采用四阶段流水线(规划、多样化、创建、验证),并揭示基于评分标准的强化学习能改善行为对齐,但不会提升基准测试分数。