XNews

NVIDIA Skill2Env:集体技能训练强化学习智能体

NVIDIA Skill2Env:集体技能训练强化学习智能体

NVIDIA研究人员将3400个公开智能体技能转化为7971个终端任务,并配备了程序化测试与行为评分准则。仅需在Qwen3.8-27B模型上进行300步强化学习训练,便使Terminal-Bench 2.1基准提升4.7分,同时使智能体行为与技能方法论对齐。该数据集使用GPT-5.6 Sol生成,成本为9万美元。

Source posts